Los enjambres de drones se utilizan cada vez más en aplicaciones civiles críticas como la agricultura, el mantenimiento de máquinas y la búsqueda y rescate, donde mantener la conectividad de la red es esencial para una coordinación efectiva. Sin embargo, las duras condiciones ambientales pueden llevar a fallos en los drones, arriesgando la fragmentación de la red. Para mejorar la resiliencia, diseñar redes k-conectadas, donde se pueden tolerar hasta k-1 fallos de drones sin perder conectividad, ofrece una solución práctica al proporcionar múltiples caminos de comunicación independientes entre los drones. El problema de restauración de k-conectividad consiste en reposicionar drones para lograr k-conectividad con un movimiento mínimo. En este estudio, abordamos este problema NP-Difícil y proponemos soluciones novedosas. A diferencia de los algoritmos de restauración de k-conectividad existentes que restringen a los drones a puntos predefinidos, nuestro modelo permite el reposicionamiento libre dentro del área de misión, aumentando la flexibilidad pero también expandiendo el espacio de soluciones y la complejidad. Para abordar este problema, proponemos tres algoritmos basados en centros que guían a los drones hacia diferentes puntos centrales calculados a partir del diseño de la red: en el primer algoritmo (ORIGIN), el punto central es el origen geométrico del área de misión; en el segundo algoritmo (CENTROID), los nodos se mueven hacia el centroide de todas las posiciones de los drones; y en el tercer algoritmo, la posición central se define como el CENTro de los nodos más lejanos (CENTFAR). También introducimos un algoritmo basado en Árbol de Expansión Mínima (MST) que mueve drones a lo largo de un árbol de expansión mínima para lograr y garantizar teóricamente la k-conectividad. Además de verificar la k-conectividad después de cada movimiento individual, también desarrollamos variantes basadas en grupos donde todos los drones se mueven simultáneamente y se verifica la k-conectividad posteriormente. Realizamos simulaciones exhaustivas bajo diferentes cantidades de drones, tamaños de red, valores de k y rangos de transmisión para evaluar la efectividad y escalabilidad de los algoritmos propuestos. CENTFAR proporciona la mejor eficiencia de movimiento entre los algoritmos basados en centros, superando ligeramente a CENTROID y ORIGIN y logrando hasta un 21% menos de movimiento total y un 29% menos de movimiento máximo que MST en áreas más pequeñas y valores de k más altos. Sin embargo, MST tiene el mejor rendimiento en configuraciones de bajo k y altos rangos de transmisión, ofreciendo hasta un 57% menos de movimiento total y un 20% menos de tiempo de ejecución que CENTFAR. Las variantes basadas en grupos aceleran la convergencia (hasta diez veces más rápido) a costa de un ligero aumento en el movimiento. Nuestros hallazgos revelan que MST es ideal para configuraciones de bajo k, mientras que CENTFAR es más adecuado para despliegues de alta conectividad.