Las operaciones con múltiples drones enfrentan desafíos significativos de eficiencia cuando las ubicaciones de las plataformas de lanzamiento están predeterminadas sin optimización, lo que lleva a configuraciones de rutas subóptimas y mayores distancias de viaje. Esta investigación aborda la ubicación de las plataformas de lanzamiento como un problema continuo de localización y enrutamiento (PLRP), desarrollando un marco de algoritmo genético integrado con múltiples solucionadores del Problema del Viajante (mTSP) para optimizar las coordenadas de las plataformas de lanzamiento dentro de las áreas operativas. La metodología fue evaluada a través de una extensa experimentación que involucró más de 17 millones de ejecuciones de prueba en diversas complejidades del problema y se comparó con la optimización de fuerza bruta, la Optimización por Enjambre de Partículas (PSO) y los enfoques de recocido simulado (SA). Los resultados demuestran que el algoritmo genético logra una precisión de solución del 97-100% en relación con los métodos de búsqueda exhaustiva, mientras reduce los requisitos computacionales en cuatro órdenes de magnitud, requiriendo un promedio de 527 iteraciones en comparación con 30,000 para PSO y 1000 para SA. Estrategias de inicialización inteligentes y criterios de terminación adaptativos proporcionan mejoras adicionales en el rendimiento, reduciendo el esfuerzo computacional en un 94% mientras se mantiene una calidad de solución del 98.8%. La validación estadística confirma mejoras sistemáticas en todos los escenarios probados. Esta investigación establece un marco metodológico validado para la optimización continua de plataformas de lanzamiento en operaciones de UAV, proporcionando información práctica para aplicaciones del mundo real donde tanto la calidad de la solución como la eficiencia computacional son factores operativos críticos, al tiempo que reconoce las limitaciones del modelo de energía simplificado que justifican futuras investigaciones en dinámicas operativas más complejas.