Los sistemas de múltiples UAV montados en vehículos (VM-UAV) ofrecen una mayor flexibilidad y un despliegue rápido para tareas de teledetección a gran escala, como la respuesta a desastres y las encuestas de terrenos. Sin embargo, maximizar su eficiencia operativa sigue siendo un desafío, ya que requiere la resolución simultánea de la programación de tareas y la planificación de rutas de cobertura, un problema NP-duro. Este estudio presenta un nuevo marco de algoritmo genético multiobjetivo (GA) que optimiza conjuntamente el enrutamiento y la programación para misiones de teledetección de múltiples UAV con restricciones de costo y balance de carga. Para mejorar la velocidad de convergencia y la calidad de la solución, introducimos dos operadores innovadores: un cruce de recombinación de bordes de múltiples regiones (MRECX) para preservar segmentos de ruta superiores de los padres y un mecanismo de mutación híbrida adaptativa (AHM) que ajusta dinámicamente las estrategias de mutación para equilibrar la exploración y la explotación. El algoritmo minimiza la distancia total de vuelo mientras iguala la distribución de la carga de trabajo entre los UAV. Simulaciones y experimentos extensivos demuestran que el GA propuesto supera significativamente al GA convencional, a la optimización por enjambre de partículas (PSO), a la optimización por colonias de hormigas (ACO) y a los métodos de planificación basados en agrupamiento, tanto en calidad de solución como en robustez. La aplicabilidad práctica de nuestro marco se valida aún más a través de dos estudios de caso del mundo real. Los resultados confirman que el enfoque propuesto ofrece una solución efectiva y escalable para la programación y planificación de rutas de múltiples UAV montados en vehículos, mejorando la eficiencia operativa en aplicaciones de teledetección críticas en tiempo.