Inspirados por los sistemas biológicos, los algoritmos de inteligencia de enjambre son ampliamente utilizados para resolver problemas de optimización multimodal. En este estudio, consideramos el problema de hibridación de un algoritmo basado en el comportamiento colectivo de los cardúmenes de peces. El algoritmo es computacionalmente económico en comparación con otros algoritmos basados en poblaciones. La precisión de la búsqueda de cardúmenes de peces aumenta con el incremento del recuento de iteraciones predefinido, pero esto también afecta el tiempo de computación necesario para encontrar una solución subóptima. Proponemos dos enfoques híbridos, con la intención de mejorar la precisión del algoritmo inspirado en la evolución mediante el uso de métodos clásicos de optimización, como el descenso de gradiente y el método de optimización de Newton. El estudio muestra la efectividad de los algoritmos híbridos propuestos y la fuerte ventaja del algoritmo híbrido basado en la búsqueda de cardúmenes de peces y el descenso de gradiente. Proporcionamos una solución para el problema de disyunción exclusiva linealmente inseparable utilizando el algoritmo desarrollado y un perceptrón con una capa oculta. Para demostrar la efectividad de los algoritmos, visualizamos superficies de pérdida de alta dimensión cerca de los puntos extremos globales. Además, aplicamos la versión distribuida del algoritmo híbrido más efectivo al problema de optimización de hiperparámetros de una red neuronal.