La preservación digital es un área de investigación dedicada a mantener los activos digitales preservados y utilizables durante muchos años. De las muchas aproximaciones a la preservación digital, el presente artículo de investigación sigue un nuevo paradigma de preservación digital centrado en el objeto donde los objetos digitales comparten parte de la responsabilidad de la preservación: pueden moverse, replicarse y evolucionar a un formato de mayor calidad dentro de un ecosistema digital. En el nuevo marco, el comportamiento de los objetos digitales debe ser modelado para obtener la mejor estrategia de preservación. Por lo tanto, los objetos digitales están programados con la misión de su propia autopreservación a largo plazo, lo que implica ser accesibles y reproducibles por los usuarios en cualquier momento en el futuro, independientemente de los frecuentes cambios tecnológicos debido a actualizaciones de software y hardware. Se seleccionaron tres algoritmos de inteligencia computacional inspirados en la naturaleza, basados en el comportamiento colectivo de sistemas descentralizados y autoorganizados, para el enfoque de modelado: algoritmo genético de multipoblación, optimización de colonias de hormigas y un algoritmo basado en virus. TiM, un entorno simulado para ejecutar ecosistemas digitales distribuidos, se utilizó para realizar los experimentos. Los resultados mapean la relación entre los modelos y la diversidad esperada de objetos obtenida en escenarios de preservación digital a corto y mediano plazo. Al comparar los resultados, el mejor rendimiento correspondió al algoritmo genético de multipoblación. El artículo tiene como objetivo ser un primer paso en el campo de la autopreservación digital. Construir comportamientos de modelos inspirados en la naturaleza es un buen enfoque y abre la puerta a futuras pruebas con otros métodos basados en IA.