Este artículo presenta un método para resolver el problema inverso de la tomografía computarizada utilizando un conjunto de datos incompleto. El problema se centra en la reconstrucción de objetos espaciales basada en los datos recopilados de transmisores y receptores (denominados vectores de proyección). La novedad del enfoque propuesto radica en la combinación de dos tipos de algoritmos, a saber, heurísticos y deterministas. Específicamente, se utilizaron y compararon los algoritmos Artificial Bee Colony (ABC) y Jellyfish Search (JS) como métodos heurísticos, mientras que los métodos deterministas se basaron en los enfoques Hooke-Jeeves (HJ) y Nelder-Mead (NM). Al fusionar estas técnicas, se desarrolló un algoritmo híbrido que integra las fortalezas de ambos algoritmos heurísticos y deterministas. El algoritmo híbrido propuesto demostró ser aproximadamente cinco a seis veces más rápido que un enfoque que depende únicamente de metaheurísticas, al mismo tiempo que proporciona resultados más precisos. En la prueba del peor caso, el valor de la función de aptitud para el algoritmo híbrido fue aproximadamente un 22% más bajo que el enfoque basado puramente en metaheurísticas. Las pruebas experimentales demostraron además que el algoritmo híbrido, ya sea basado en Hooke-Jeeves o Nelder-Mead, era estable y adecuado para resolver el problema considerado. El artículo incluye resultados experimentales que confirman la efectividad, precisión y eficiencia del método propuesto.