La aplicación inmensa de modelado matemático para la mejora de bioprocesos determina el desarrollo del modelo como un campo actual. Las técnicas metaheurísticas, especialmente los algoritmos híbridos, se han convertido en una herramienta preferida en la identificación de parámetros del modelo. En este estudio, dos algoritmos eficientes, el optimizador de león de hormigas (ALO), inspirado en la interacción entre leones de hormigas y hormigas en una trampa, y el algoritmo genético (GA), influenciado por la evolución y el proceso de selección natural, se han hibridado por primera vez. El nuevo híbrido ALO-GA tiene como objetivo equilibrar la exploración y la explotación y mejorar significativamente su capacidad de optimización global. En primer lugar, para verificar la eficacia y superioridad del trabajo propuesto, el ALO-GA se compara con varios algoritmos híbridos de vanguardia en un conjunto de funciones de referencia clásicas. Además, la eficiencia del ALO-GA se demuestra en la identificación de parámetros de un modelo de un proceso de cultivo en lote de MC4110. Los resultados obtenidos se han estudiado en contraste con los resultados de varias metaheurísticas empleadas para el mismo problema. Se consideran híbridos entre el GA, el algoritmo de colonia de abejas artificial (ABC), el algoritmo de optimización de colonias de hormigas (ACO) y el algoritmo de luciérnagas (FA). Se realizan una serie de pruebas estadísticas, paramétricas y no paramétricas. Tanto los resultados numéricos como estadísticos muestran claramente que ALO-GA supera a los otros algoritmos competidores. El algoritmo híbrido ALO-GA propuesto aquí ha logrado una mejora del 6.5% en comparación con el modelo GA-ACO, del 7% en comparación con el modelo ACO-FA y del 7.8% en comparación con el modelo ABC-GA.