Los terremotos representan riesgos significativos para la estabilidad nacional, poniendo en peligro vidas y causando daños económicos sustanciales. Este estudio aborda la urgente necesidad de un alivio eficiente post-terremoto en escenarios de búsqueda y rescate (SAR) proponiendo un modelo de asignación de tareas de rescate cooperativo multi-UAV. Teniendo en cuenta los requisitos únicos de las misiones de rescate post-terremoto, el modelo tiene como objetivo minimizar el número de UAV desplegados, reducir los costos de rescate y acortar la duración de las operaciones de rescate. Proponemos un innovador algoritmo híbrido que combina optimización por enjambre de partículas (PSO) y optimizador de lobos grises (GWO), llamado algoritmo PSOGWO, para lograr los objetivos del modelo. Este algoritmo se mejora con diversas estrategias, incluyendo transformación de intervalos, factor de convergencia no lineal, estrategia de actualización individual y reglas de ponderación dinámica. Un estudio de caso práctico ilustra el uso de nuestro modelo y algoritmo en la realidad y valida su efectividad al compararlo con PSO y GWO. Además, un análisis de sensibilidad sobre la capacidad de los UAV destaca su impacto en el tiempo y costo total de rescate. Los resultados de la investigación contribuyen al avance de modelos y algoritmos del problema de enrutamiento de vehículos (VRP) para el alivio post-terremoto en SAR. Además, proporciona estrategias de distribución de alivio optimizadas para los tomadores de decisiones de rescate, mejorando así la eficiencia y efectividad de las operaciones de SAR.