Cuando hablamos de optimizacion en el ambito de las ciencias de la computacion hacemos referencia al mismo concepto coloquial asociado a esa palabra, la concrecion de un objetivo utilizando la menor cantidad de recursos disponibles, o en una vision similar, la obtencion del mejor objetivo posible utilizando todos los recursos con lo que se cuenta. Los metodos para encontrar la mejor solucion (optima) varian de acuerdo a la complejidad del problema enfrentado. Para problemas triviales, el cerebro humano posee la capacidad de resolverlos (encontrar la mejor solucion) directamente, pero a medida que aumenta la complejidad del problema, se hace necesario contar con herramientas adicionales. En esta direccion, existe una amplia variedad de tecnicas para resolver problemas complejos. Dentro de estas tecnicas, podemos mencionar las tecnicas exactas. Este tipo de algoritmos son capaces de encontrar las soluciones optimas a un problema dado en una cantidad finita de tiempo. Como contrapartida, requiere que el problema a resolver cumpla con condiciones bastante restrictivas. Existen ademas un conjunto muy amplio de tecnica aproximadas, conocidas como metaheuristicas. Estas tecnicas se caracterizan por integrar de diversas maneras procedimientos de mejora local y estrategias de alto nivel para crear un proceso capaz de escapar de optimos locales y realizar una busqueda robusta en el espacio de busqueda del problema. En su evolucion, estos metodos han incorporado diferentes estrategias para evitar la convergencia a optimos locales, especialmente en espacios de busqueda complejos. Este tipo de procedimientos tienen como principal caracteristica que son aplicables a cualquier tipo de problemas, sin requerir ninguna condicion particular a cumplir por los mismos. Estas tecnicas no garantizan en ningun caso la obtencion de los valores optimos de los problemas en cuestion, pero se ha demostrado que son capaces de alcanzar muy buenos valores de soluciones en periodos de tiempo cortos. Ademas, es posible aplicarlas a problemas de diferentes tipos sin mayores modificaciones, mostrando su robustez y su amplio espectro de uso. La mayoria de estas tecnicas estan inspiradas en procesos biologicos y/o fisicos, y tratan de simular el comportamiento propio de estos procesos que favorecen la busqueda y deteccion de soluciones mejores en forma iterativa. La mas difundida de estas tecnicas son los algoritmos geneticos, basados en el mecanismo de evolucion natural de las especies. Existen diferentes tipos de problemas, y multitud de taxonomias para clasificar los mismos. En el alcance de este trabajo nos interesa diferenciar los problemas en cuanto a la cantidad de objetivos a optimizar. Con esta consideracion en mente, surge una primera clasificacion evidente, los problemas mono-objetivo, donde existe solo una funcion objetivo a optimizar, y los problemas multi-objetivo donde existe mas de una funcion objetivo. En el presente trabajo se estudia la utilizacion de metaheuristicas evolutivas para la resolucion de problemas complejos, con uno y con mas de un objetivo. Se efectua un analisis del estado de situacion en la materia, y se proponen nuevas variantes de algoritmos existentes, validando que las mismas mejoran resultados reportados en la literatura. En una primera instancia, se propone una mejora a la version canonica y mono-objetivo del algoritmo PSO, luego de un estudio detallado del patron de movimientos de las particulas en el espacio de soluciones. Estas mejoras se proponen en las versiones de PSO para espacios continuos y para espacios binarios. Asimismo, se analiza la implementacion de una version paralela de esta tecnica evolutiva. Como segunda contribucion, se plantea una nueva version de un algoritmo PSO multiobjetivo (MOPSO Multi Objective Particle Swarm Optimization) incorporando la posibilidad de variar dinamicamente el tamano de la poblacion, lo que constituye una contribucion innovadora en problemas con mas de una funcion objetivo. Por ultimo, se utilizan las tecnicas representativas del estado del arte en optimizacion multi-objetivo aplicando estos metodos a la problematica de una empresa de emergencias medicas y atencion de consultas domiciliarias. Se logro poner en marcha un proceso de asignacion de moviles a prestaciones medicas basado en metaheuristicas, logrando optimizar el proceso de asignacion de moviles medicos a prestaciones medicas en la principal compania de esta industria a nivel nacional.