Al abordar problemas de planificación de rutas de UAV, los algoritmos evolutivos demuestran una fuerte flexibilidad y capacidades de búsqueda global. Sin embargo, a medida que aumenta el número de UAV, la escala del problema de planificación de rutas crece exponencialmente, lo que lleva a un aumento significativo en la complejidad computacional. El Algoritmo de Co-Evolución Cooperativa (CCEA) aborda eficazmente este problema a través de su estrategia de dividir y conquistar. No obstante, el CCEA necesita encontrar un equilibrio entre la eficiencia computacional y el rendimiento del algoritmo, al tiempo que resuelve las dificultades de convergencia que surgen del aumento en el número de variables de decisión. Además, las complejas interrelaciones entre las variables de decisión de cada UAV añaden al desafío de seleccionar variables de decisión apropiadas. Para abordar este problema, proponemos un nuevo algoritmo colaborativo llamado CCEA-ADVS. Este algoritmo reduce la dificultad del problema al descomponer variables de alta dimensión en subvariables para la optimización colaborativa. Para mejorar la eficiencia de la selección de variables de decisión en el algoritmo colaborativo y acelerar la velocidad de convergencia, se introduce una estrategia de selección de variables de decisión adaptativa. Esta estrategia selecciona variables de decisión de acuerdo con el orden de resolución de las restricciones de un solo UAV y las restricciones de múltiples UAV, reduciendo el costo del objetivo de optimización. Además, para mejorar la eficiencia computacional, se adopta un proceso de optimización evolutiva en dos etapas, de grueso a fino. Específicamente, se utiliza primero el algoritmo de Evolución Diferencial Adaptativa con Archivo Externo Opcional (JADE) para optimizar los puntos de referencia de los UAV y generar una ruta básica, y luego se combina el algoritmo de Dubins para optimizar la trayectoria, obteniendo la ruta de vuelo final. Los resultados experimentales muestran que en cuatro escenarios diferentes que involucran 40 UAV, el algoritmo CCEA-ADVS supera significativamente a los algoritmos Grey Wolf Optimizer (GWO), Particle Swarm Optimization (PSO), Artificial Bee Colony (ABC) y JADE en términos de rendimiento de ruta, tiempo de ejecución, eficiencia computacional y velocidad de convergencia. Además, en experimentos a gran escala que involucran 500 UAV, el algoritmo también demuestra buena adaptabilidad, estabilidad y escalabilidad.