En un entorno de misión de rescate en desastres tridimensional (3D), las asignaciones de misiones de múltiples drones y la planificación de rutas son desafiantes. Con el objetivo de abordar este problema, se propone un método de asignación de misiones basado en algoritmos genéticos adaptativos (AGA) y un método de planificación de rutas utilizando optimización por enjambre de partículas seno-coseno (SCPSO). Primero, se construye un modelo digital de terreno 3D original. En segundo lugar, se modelan las fuentes de amenaza comunes en entornos de rescate en desastres, incluyendo montañas, torres de transmisión y condiciones climáticas severas. En tercer lugar, se formula una función de costo-ingreso que considera factores como el rendimiento del dron, la demanda de puntos de misión, el costo de elevación y las fuentes de amenaza, para asignar misiones a múltiples drones. En cuarto lugar, se emplea un AGA para realizar la asignación de misiones de múltiples drones. Para mejorar la velocidad de convergencia y optimizar el rendimiento en la búsqueda de la solución óptima, se propone un AGA que utiliza tanto el método de ruleta como el método de retención de élite. Además, los parámetros del AGA se ajustan de acuerdo con los cambios en la función de aptitud. Además, se utiliza el algoritmo de círculo mejorado para preprocesar la secuencia de misiones para el AGA. Finalmente, basado en el modelo de función seno-coseno, se propone un SCPSO para planificar la ruta de vuelo óptima entre puntos de tarea adyacentes. Además, se diseñan los coeficientes de inercia y aceleración de pesos lineales para el SCPSO con el fin de mejorar su rendimiento para escapar del mínimo local, explorar el espacio de búsqueda de manera más exhaustiva y lograr el objetivo de optimización global. Una multitud de experimentos de simulación han demostrado la validez de nuestro método.