Este artículo presenta la Optimización de Clave Aleatoria (RKO), un método de búsqueda local probabilística versátil y eficiente para problemas de optimización combinatoria. RKO utiliza el concepto de claves aleatorias para codificar soluciones en vectores de claves aleatorias y decodificarlas en soluciones factibles mediante un decodificador específico para el problema. El marco RKO puede combinar varias técnicas metaheurísticas clásicas, cada una operando de forma independiente o en paralelo, y compartiendo soluciones a través de un grupo de soluciones de élite. Este enfoque modular permite la aplicación de diversas técnicas metaheurísticas, incluyendo el recocido simulado, la búsqueda local iterativa y los procedimientos de búsqueda adaptativa aleatoria voraz. La eficiencia del marco RKO, implementado en C++ y disponible públicamente (repositorio de GitHub: github.com/RKO-solver), se demuestra mediante aplicaciones a tres problemas de optimización combinatoria NP-hard: el problema de p-mediana de vecindad alfa, el problema del árbol de ubicación de nodos y el problema de partición de grafos con restricciones de capacidad de nodos. Los resultados demuestran la capacidad del marco para generar soluciones de alta calidad en una amplia gama de dominios de problemas, destacando su potencial como una poderosa herramienta para la optimización combinatoria.
