La coordinación en tiempo real de sistemas multiagente heterogéneos en entornos dinámicos y parcialmente observables presenta desafíos significativos. Para abordar esto, proponemos un marco que integra sistemas de inferencia difusa con algoritmos genéticos de valores reales para optimizar la toma de decisiones bajo estrictas limitaciones de tiempo y incertidumbre sensorial. Evaluamos el método propuesto en la Liga de Simulación de Fútbol RoboCup 2D, donde 22 agentes autónomos se coordinan a través de una búsqueda de secuencias de acciones evaluadas difusamente. Las heurísticas espaciales se codifican como reglas difusas, y la optimización basada en algoritmos genéticos refina los parámetros de la función de evaluación de acuerdo con métricas de rendimiento como el número de tiros, entradas al área de gol y tasas de anotación. La estrategia de control resultante se mantiene interpretable; los mapas de calor espaciales revelan comportamientos emergentes como el posicionamiento coordinado y patrones de pase en la cresta cerca del área de penalti. Los experimentos contra equipos establecidos de RoboCup, que sirven como puntos de referencia, demuestran el rendimiento competitivo de nuestros agentes entrenados mientras permiten análisis de estructuras de decisión en evolución y comportamientos de los agentes. Nuestro método proporciona un marco transparente y adaptable para controlar agentes heterogéneos en entornos inciertos en tiempo real, con amplia aplicabilidad a la robótica, sistemas autónomos y sistemas de control distribuidos.