El Algoritmo de Optimización de Micorrizas Discretas Difusas (FDMOA) es un nuevo método de optimización híbrido que utiliza el Algoritmo de Optimización de Micorrizas Discretas (DMOA) en combinación con un sistema lógico difuso de tipo-1 o de tipo-2 por intervalos. En esta nueva investigación, al utilizar T1FLS, las funciones de membresía están definidas por conjuntos difusos de tipo-1, lo que permite una representación más flexible y natural de datos inciertos e imprecisos. Este enfoque se ha aplicado con éxito a varios problemas de optimización, como la selección de características, la segmentación de imágenes y la agrupación de datos. Por otro lado, cuando DMOA utiliza IT2FLS, las funciones de membresía están representadas por conjuntos difusos de tipo-2 por intervalos, lo que permite una representación más robusta y precisa de la incertidumbre. Este enfoque ha demostrado manejar niveles más altos de incertidumbre y ruido en los datos de entrada y se ha aplicado con éxito a varios problemas de optimización, incluidos sistemas de control, reconocimiento de patrones y toma de decisiones. Tanto DMOA utilizando T1FLS como DMOA utilizando IT2FLS han mostrado un mejor rendimiento que el algoritmo DMOA original en muchas aplicaciones. La combinación de DMOA con sistemas lógicos difusos proporciona un marco de optimización potente y flexible que puede adaptarse a varios dominios de problemas. Además, estas técnicas tienen el potencial de resolver problemas del mundo real de manera más eficiente y efectiva.