Este trabajo propone una metodología para el entrenamiento óptimo de estrategias de gestión basadas en reglas, para ser implementadas directamente en el controlador industrial de microredes híbridas fuera de la red. Los parámetros que definen las reglas de control se ajustan de manera óptima recurriendo a diferentes algoritmos evolutivos, basados en las condiciones operativas esperadas. El rendimiento de las heurísticas de gestión resultantes se compara con enfoques convencionales para la programación óptima, incluida la optimización de Programación Lineal Mixta Entera (MILP), la optimización directa de programación evolutiva y heurísticas no entrenadas tradicionales. Los resultados muestran cómo las heurísticas entrenadas logran un rendimiento muy cercano al óptimo global encontrado por la solución MILP, superando a los otros métodos, y proporcionando un algoritmo de compromiso y despacho de una sola capa que es fácilmente desplegable en el controlador de la microred.