En radio cognitiva (CR), la detección espectral cooperativa (CSS) emplea una fusión de múltiples decisiones de varios nodos de usuarios secundarios (SU) en un centro de fusión central (FC) para detectar huecos espectrales no utilizados por el usuario primario (PU). El detector de energía (ED) es una técnica bien establecida de detección espectral (SS). Sin embargo, un desafío importante en el diseño de una SS basada en un detector de energía es el requisito de un conocimiento correcto de la distribución de las estadísticas de decisión. Por lo general, se emplea la suposición gaussiana para las estadísticas recibidas, lo cual no es cierto en la práctica real, especialmente con un número limitado de muestras. Otro gran desafío en la tarea de CSS es elegir una estrategia de fusión óptima. Para abordar estos problemas, hemos propuesto un ED asistido por formación de haces con una técnica de CSS optimizada heurísticamente que utiliza una distribución más precisa de las estadísticas de decisión empleando la caracterización del formulario cuadrático indefinido (IQF). Se desarrollan dos algoritmos heurísticos, algoritmo genético con cruce de múltiples padres (GA-MPC) y optimización basada en enjambre de partículas con factor de constricción (CF-PSO), para diseñar formación de haces óptima y pesos de fusión óptimos que puedan maximizar la probabilidad global de detección mientras se restringe la probabilidad global de falsa alarma por debajo de un nivel requerido. Se presentan los resultados de la simulación para validar los hallazgos teóricos y evaluar el rendimiento del algoritmo propuesto.