Esta investigación explora la aplicación de algoritmos metaheurísticos para refinar la estimación de parámetros en sistemas dinámicos, con un enfoque en el modelo de péndulo invertido. Tres técnicas de optimización, Optimización por Enjambre de Partículas (PSO), Algoritmo Genético Continuo (CGA) y Algoritmo de Enjambre de Salpas (SSA), son introducidas para resolver este problema. A través de una evaluación estadística exhaustiva, se determina el rendimiento óptimo de cada técnica dentro de la metodología dinámica. Además, la eficacia de estos algoritmos se demuestra a través de una validación experimental en un prototipo real, proporcionando ideas prácticas sobre su rendimiento. Los resultados de este estudio contribuyen al avance de estrategias de control al integrar parámetros físicos estimados con precisión en varios algoritmos de control, incluidos controladores PID, controladores lógicos difusos y controladores predictivos de modelos. Cada algoritmo se ejecutó 1000 veces, y el algoritmo SSA logró el mejor rendimiento, con la estimación de parámetros más precisa con un error mínimo de 0.01501 N m y un error de solución promedio de 0.01506 N m. Esta precisión fue aún más destacada por su menor desviación estándar en RMSE (1.443 99 x 10 N m), lo que indica una notable consistencia en las evaluaciones. El intervalo de confianza del 95% para el error corroboró la fiabilidad del algoritmo para derivar soluciones óptimas.