La optimización de problemas es un terreno fértil en un mundo que se caracteriza por contar con recursos escasos (naturales, económicos, tecnológicos, infraestructura, sociales, tiempo, etc.). Hacer el mejor uso posible de estos recursos en una tarea, a la vez, importante y difícil. Ofrecer soluciones de calidad, aunque no necesariamente sean las mejores, implica que los recursos excedentes, frutos de la optimización, puedan utilizarse en nuevos productos o servicios. La gran mayoría del software que utilizan las empresas tiene como misión principal la automatización de tareas repetitivas. Una minoría de aplicaciones de software se utiliza como soporte a la toma de decisiones de un decisor humano. Una porción ínfima de artefactos de software son capaces de ofrecer cual es la decisión adecuada para un problema complejo. Es en este último grupo donde se encuentran las técnicas estudiadas en esta tesis. La implementación en el mundo real de algoritmos de búsqueda y optimización se hace necesaria y evidente a medida que aumenta la complejidad de los procesos, las empresas y gobiernos sufren una presión constante para ser más competitivos y eficientes, y los recursos disponibles se presentan como escasos ante una demanda en permanente aumento. Las metaheurísticas están pensadas para ofrecer una solución a este tipo de problemas pertenecientes a la clase de complejidad NP. Si bien son soluciones aproximadas, no exactas, en general son lo suficientemente buenas como para que su utilidad sea valiosa.