La resolución de problemas (optimización de funciones, cálculo de raíces) se ha vuelto una rama interesante dentro de las aplicaciones de la inteligencia computacional y en particular, en el campo de las metaheurísticas. Tradicionalmente, los problemas matemáticos se dividieron (a grandes rasgos) en dos partes bien diferenciadas: lineales y no lineales. Para los lineales existen muchas técnicas capaces de resolverlos eficazmente en poco tiempo de cómputo (método simplex, Gauss-Jordan, entre los más conocidos). Pero para los no lineales la dependencia del concepto de derivada es muy fuerte (TVewton Raphson, steepest descendent, por nombrar algunos). Esto hace que resolver un problema no lineal se torne muy complejo cuando la cantidad de variables crece.
La aparición de las metaheurísticas permitió resolver, con un grado alto de precisión, los problemas no lineales de una manera simple. Entre las principales metaheurísticas poblacionales se encuentran los algoritmos de Evolución Diferencial (ED), siendo uno de sus atractivos principales, además de la potencia de cálculo, la sencillez de implementación.
ED ha permitido resolver problemas complejos, incluyendo problemas altamente dimensionales, con restricciones y dinámicos, entre muchos otros. En esta comunicación, se presenta una propuesta de investigación para el desarrollo y aplicación de versiones híbridas de ED para la resolución de problemas dinámicos con restricciones (DCOPs, siglas en Inglés para Dynamic Constrained Optimization Problems). Para la puesta a punto y evaluación de los algoritmos desarrollados, se considerarán benchmarks usados en la literatura.