Resumen:
Los modelos de comportamiento del pavimento pueden pronosticar el estado de las carreteras, con ello poder identificar según su estado actual cuales deben ser interve-nidas con un proceso de mantenimiento o rehabilitación. Los modelos de gestión por pavimentos que utilizan modelos de regresiones a través de clusterwise logran tener un acercamiento en las predicciones que se realizan basados en la información que se recolecta en cada muestra, pero se pueden llegar a mejorar utilizando meta-heurísticas que optimicen el proceso. En un esfuerzo por encontrar una solución este trabajo propone un nuevo algoritmo meta-heurístico poblacional llamado Particle Swarm Optimization (PSO), al que se le realizaron modificaciones, ya que se trata de un problema con variables discretas. Adicionalmente cuando se crea la población en el algoritmo PSO, internamente se realizó un preprocesamiento de los datos con algo-ritmos como RGS, K-means y una meta-heurística para la selección de atributos Global Best Harmony Search Feature Selection (GBHS FS), esto mejoró significati-vamente el punto de partida de la meta-heurística. El algoritmo meta-heurístico PSO fue probado en 30 semillas diferentes y sus resultados fueron comparados con el estado del arte actual la meta-heurística Simulated Annealing (SA), donde según el test de Friedman sus resultados fueron significativamente aceptados y según los re-sultados del test de Wilcoxon, el algoritmo propuesto PSO es domina al algoritmo SA.