Los algoritmos metaheurísticos se han aplicado a una amplia gama de problemas de optimización global. Básicamente, estas técnicas se pueden aplicar a problemas en los que se debe encontrar una buena solución, proporcionando un conocimiento imperfecto o incompleto sobre la solución óptima. Sin embargo, el concepto de combinar metaheurísticas de manera eficiente ha surgido recientemente, en un campo llamado hibridación de metaheurísticas o, simplemente, metaheurísticas híbridas. Como resultado de esto, las metaheurísticas híbridas se pueden aplicar con éxito en diferentes problemas de optimización. En este artículo, se adaptan dos metaheurísticas híbridas, MAMH (Hibridación de Metaheurísticas Multiagente) y MAGMA (Arquitectura de Metaheurísticas Multiagente), para ser aplicadas en el diseño automático de sistemas de ensamblaje, tanto en versiones mono como multiobjetivo. Para validar la viabilidad de estas técnicas híbridas, realizamos una investigación empírica, llevando a cabo un análisis comparativo entre ellas y las metaheurísticas tradicionales, así como los métodos existentes de generación de ensamblajes. Nuestros hallazgos demuestran un rendimiento competitivo de ambas técnicas, en las que una técnica híbrida proporcionó la tasa de error más baja para la mayoría de las funciones objetivo analizadas.