Los ataques de Denegación de Servicio Distribuido (DDoS) han aumentado en frecuencia y sofisticación en los últimos diez años. Parte del desafío de defenderse contra tales ataques requiere el análisis de volúmenes muy grandes de datos. Los algoritmos metaheurísticos pueden ayudar en la selección de características relevantes de los datos de tráfico de red para su uso en modelos de detección de DDoS. Al explorar eficientemente diferentes combinaciones de características, estos métodos pueden identificar subconjuntos que son informativos para distinguir entre tráfico normal y de ataque. Sin embargo, identificar una solución optimizada en esta área es una pregunta de investigación abierta. Ajustar los parámetros de las técnicas de búsqueda metaheurísticas en el proceso de optimización es crítico. En este estudio, se utiliza una aproximación de conmutación en una variedad de técnicas de búsqueda metaheurísticas. Esta aproximación se utiliza para encontrar la mejor solución para el análisis de las características del tráfico de red en valores inferiores o superiores entre 0 y 1. Comparamos el ajuste fino de este parámetro con enfoques estándar y encontramos que no es sustancialmente mejor que el algoritmo BestFirst (un enfoque estándar predeterminado para la selección de características). Este estudio contribuye a la literatura al probar y eliminar varias estrategias de ajuste fino para el enfoque metaheurístico.