En este trabajo se presenta un algoritmo de optimización de enjambre de partículas meméticas coevolutivas (CoMPSO). CoMPSO introduce la evolución memética de operadores de búsqueda local en espacios de búsqueda híbridos continuos/discretos de optimización de enjambre de partículas (PSO). La solución propuesta permite superar la rigidez de las estrategias de búsqueda local uniformes cuando se aplican al PSO. La contribución clave es que los memes proporcionan a cada partícula de un esquema de PSO la capacidad de adaptar su dinámica de exploración a las características locales del paisaje del espacio de búsqueda. El objetivo se obtiene mediante una representación original de memes híbridos continuos/discretos y un esquema de PSO coevolutivo probabilístico para espacios discretos, continuos o híbridos. El PSO memético coevolutivo evoluciona tanto las soluciones como sus memes asociados, es decir, los operadores de búsqueda local. El enfoque CoMPSO propuesto ha sido experimentado en una suite estándar de problemas de optimización numérica de referencia. Los resultados experimentales preliminares muestran que CoMPSO es competitivo con respecto al PSO estándar y otros esquemas de PSO meméticos en la literatura, y es un punto de partida prometedor para futuras investigaciones en operadores de búsqueda local de PSO adaptativos.