Los Vehículos Aéreos No Tripulados (VANT) se están utilizando cada vez más en el monitoreo ambiental, la logística y la agricultura de precisión. La planificación de rutas eficiente y confiable es particularmente crítica para los sistemas de VANT que operan en entornos continuos 3D con múltiples obstáculos. Sin embargo, los sistemas de un solo VANT a menudo son inadecuados para tales entornos debido a la capacidad de carga limitada, la cobertura de misión restringida y la incapacidad para ejecutar múltiples tareas simultáneamente. Para superar estas limitaciones, han surgido sistemas colaborativos de múltiples VANT como una solución prometedora, sin embargo, coordinar múltiples VANT en espacios continuos 3D de alta dimensión con obstáculos complejos sigue siendo un desafío significativo para la planificación de rutas. Para abordar estos desafíos, este documento propone un algoritmo de optimización de colonias de hormigas continuo impulsado por aprendizaje por refuerzo y de múltiples estrategias, QMSR-ACOR, que incorpora un mecanismo basado en Q-learning para seleccionar dinámicamente entre ocho combinaciones de estrategias, generadas al emparejar cuatro estrategias de selección de constructores con dos estrategias de caminata. Además, se introduce un mecanismo de reparación de puntos de paso élite para mejorar la viabilidad de la ruta y la eficiencia de búsqueda. Los resultados experimentales demuestran que QMSR-ACOR supera a siete algoritmos de referencia, reduciendo el costo promedio de la ruta en un 10-60% y manteniendo una tasa de éxito de al menos el 33% incluso en los entornos más complejos, mientras que la mayoría de los algoritmos de referencia fallan completamente con una tasa de éxito del 0%. Estos resultados destacan la robustez, adaptabilidad y eficiencia del algoritmo, lo que lo convierte en una solución prometedora para tareas complejas de planificación de rutas de múltiples VANT en entornos 3D ricos en obstáculos.