La planificación dinámica representa una clase importante de problemas de optimización combinatoria que generalmente se resuelven con heurísticas simples, las llamadas reglas de despacho (DRs). El diseño de DRs eficientes es una tarea tediosa, por lo que se ha automatizado a través de la aplicación de programación genética (GP). Diversos enfoques se han utilizado para mejorar los resultados de los DRs generados automáticamente, siendo el aprendizaje por conjuntos uno de los más conocidos. El objetivo del aprendizaje por conjuntos es crear conjuntos de DRs diseñados automáticamente que funcionen mejor juntos. Uno de los principales problemas en el aprendizaje por conjuntos es la selección de DRs para formar el conjunto. Con este fin, se han propuesto diversos métodos de construcción de conjuntos a lo largo de los años. Sin embargo, estos métodos son bastante intensivos computacionalmente y requieren mucho tiempo de cálculo para obtener buenos conjuntos. Por lo tanto, en este estudio, proponemos varios métodos de construcción de conjuntos heurísticos simples que pueden utilizarse para construir conjuntos de manera bastante eficiente y sin necesidad de evaluar su rendimiento. Los métodos propuestos construyen los conjuntos basándose únicamente en ciertas propiedades de los DRs individuales utilizados para su construcción. El estudio experimental muestra que algunos de los métodos de construcción heurística propuestos funcionan mejor que enfoques más complejos de vanguardia para construir conjuntos.