El problema de máxima diversidad (MDP) tiene como objetivo seleccionar un subconjunto con un número predeterminado de elementos de un conjunto dado, maximizando la diversidad entre ellos. Este problema NP-duro requiere algoritmos eficientes que puedan generar soluciones de alta calidad en un tiempo computacional razonable. En este estudio, proponemos un enfoque novedoso que combina el algoritmo genético de tecla aleatoria sesgada (BRKGA) con la búsqueda local para abordar el MDP. Nuestro estudio computacional utiliza un conjunto completo de instancias de MDPLib y demuestra el rendimiento promedio superior de nuestro algoritmo propuesto en comparación con los resultados de la literatura existente. El MDP tiene una amplia gama de aplicaciones prácticas, incluyendo biología, ecología y gestión. Proporcionamos direcciones para investigaciones futuras para mejorar el rendimiento del algoritmo y explorar su aplicabilidad en escenarios del mundo real.