La exploración y la explotación son los dos conceptos principales de éxito para los algoritmos de búsqueda. Controlar la exploración y la explotación al ejecutar el algoritmo de búsqueda mejorará el rendimiento general del algoritmo de búsqueda. La exploración y la explotación suelen controlarse offline mediante la configuración adecuada de parámetros que afectan el rendimiento del algoritmo basado en población. En este documento, se propuso un controlador dinámico para uno de los algoritmos de búsqueda más conocidos, que es el Algoritmo Genético (GA). Population Diversity Controller-GA (PDC-GA) se propone como un algoritmo de selección de características novedoso para reducir el espacio de búsqueda al construir un clasificador de aprendizaje automático. El PDC-GA se propone combinando GA con agrupamiento k-mean para controlar la diversidad de la población a lo largo del proceso de exploración. Se propone un método de inyección para redistribuir la población una vez que el 90% de las soluciones se encuentran en un clúster. Se utiliza en este documento un estudio de caso real de un problema de quiebra obtenido del Repositorio de Aprendizaje Automático de UCI como un problema de clasificación binaria. Los resultados obtenidos muestran la capacidad del enfoque propuesto para mejorar el rendimiento de los clasificadores de aprendizaje automático en el rango de a .