En distintos campos del conocimiento, existen problemas de optimización complejos que representan una oportunidad para ser abordados mediante herramientas computacionales avanzadas. Un problema dentro de la fenomenología de la física de altas energías, es la validación de modelos teóricos de matrices de masa con ceros de textura. Estos modelos, relevantes para entender la estructura e interacciones de partículas elementales como los quarks, pueden analizarse numéricamente utilizando el método de ajuste de Chi-cuadrado para evaluar su viabilidad según datos experimentales actuales. Tradicionalmente, se han empleado métodos exhaustivos y técnicas exactas de optimización para esta tarea. Sin embargo, debido a la estructura matemática de la función Chi-cuadrado, es necesario recurrir a otras técnicas de optimización poco utilizadas en la física de altas energías, para explorar ampliamente el espacio de búsqueda de la función Chi-cuadrado y encontrar los parámetros óptimos del modelo que mejor se ajusten a los datos experimentales. En esta tesis, se propone el uso de algoritmos bio-inspirados para optimizar la función Chi-cuadrado en el análisis numérico del modelo de matrices de masa con cuatro ceros de textura. Se presenta una nueva variante del DEPSO llamada HE-DEPSO, que utiliza una estrategia de mutación basada en información histórica de los mejores individuos e implementa la adaptación de parámetros del algoritmo SHADE. Los resultados obtenidos al comparar el rendimiento de HE-DEPSO con otros algoritmos, en la optimización de la función Chi-cuadrado y en el conjunto de funciones de prueba CEC 2017, muestran buenos resultados en precisión y estabilidad. Al implementar HE-DEPSO en el análisis numérico del modelo de texturas con cuatro ceros, se pudo comprobar la viabilidad del modelo y analizar sus implicaciones fenomenológicas.