Este artículo propone el Diseño Automático de Conjuntos Heurísticos (AHSD), un método novedoso para generar automáticamente conjuntos heurísticos complementarios aplicables a diversas instancias de problemas, para abordar el problema del bajo rendimiento de generalización causado por la generación de una sola heurística, que es Limitations, en el Diseño Automático de Conjuntos Heurísticos (AHD) utilizando Modelos de Lenguaje Grandes (LLM). AHSD tiene como objetivo generar un pequeño conjunto de heurísticas complementarias para que al menos una heurística optimice cada instancia del problema. Mostramos que la función objetivo de AHSD es monótonamente creciente e hipermodular, y proponemos el Algoritmo de Evolución de Conjuntos Heurísticos (EoH-S) que genera eficazmente conjuntos heurísticos complementarios de alta calidad al aprovechar dos mecanismos novedosos: gestión de población complementaria y búsqueda de algoritmos genéticos conscientes de la complementariedad. Los resultados experimentales en tareas AHD con tres tamaños y distribuciones diferentes de instancias del problema demuestran que EoH-S supera consistentemente los métodos AHD de última generación existentes, logrando una mejora del rendimiento de hasta un 60%.
