En el campo de la planificación de trayectorias de Vehículos Aéreos No Tripulados (VANT), diseñar trayectorias eficientes, seguras y viables en entornos complejos y dinámicos presenta desafíos sustanciales. Los métodos de optimización tradicionales a menudo tienen dificultades para abordar la naturaleza multidimensional de estos problemas, particularmente al considerar restricciones como la evitación de obstáculos, la eficiencia energética y la capacidad de respuesta en tiempo real. En este artículo, proponemos un nuevo algoritmo, Estrategia de Aprendizaje Dimensional y Optimización por Enjambre de Partículas basada en Movimiento Esférico (DLS-SMPSO), diseñado específicamente para manejar las restricciones y requisitos únicos de la planificación de trayectorias cooperativas para Múltiples VANT (Multi-VANT). Al codificar las posiciones de las partículas como trayectorias de movimiento en coordenadas esféricas, el algoritmo ofrece un enfoque natural y efectivo para navegar en espacios de búsqueda multidimensionales. La incorporación de una Estrategia de Aprendizaje Dimensional (DLS) mejora el rendimiento al minimizar las oscilaciones de las partículas y permitir que cada partícula aprenda información valiosa de la mejor solución global de manera dimensión por dimensión. Simulaciones extensivas validan la efectividad del algoritmo DLS-SMPSO, demostrando su capacidad para generar consistentemente trayectorias óptimas. El algoritmo propuesto supera a otros algoritmos de optimización metaheurística, logrando una tasa de viabilidad de hasta el 97%. La solución propuesta es escalable, adaptable y adecuada para implementación en tiempo real, lo que la convierte en una excelente opción para una amplia gama de aplicaciones cooperativas de multi-VANT.