El presente trabajo propone una metodología novedosa para un procedimiento de optimización que extiende el punto óptimo a un área óptima basada en un mapa de incertidumbre de optimización determinista. Para ello, este trabajo propone las deducciones de una prueba basada en la probabilidad para dibujar regiones de confianza de optimizaciones basadas en población. También se propone un nuevo algoritmo de Optimización de Enjambre de Partículas Deslizantes Constrained que puede hacer frente a procedimientos de optimización caracterizados por múltiples mínimos locales. Hay dos problemas abiertos en la literatura de optimización, el análisis de incertidumbre de la optimización determinista y la aplicación de algoritmos meta-heurísticos para resolver problemas de múltiples mínimos locales. La metodología propuesta fue evaluada en una serie de cinco pruebas de referencia. Los resultados demostraron que la metodología es capaz de identificar todos los mínimos locales y el global, si lo hubiera. Además, fue capaz de dibujar las regiones de confianza de todos los mínimos encontrados por el algoritmo de optimización, extendiendo así el punto óptimo a una región óptima. Además, proporcionando el conjunto de variables de decisión que pueden dar un valor óptimo, con confianza estadística. Finalmente, la metodología se evaluó para abordar un estudio de caso de ingeniería química; la optimización de un proceso multifuncional complejo donde la separación y la reacción se procesan simultáneamente, un verdadero reactor de lecho móvil. El método pudo identificar eficientemente las dos posibles regiones de operación óptimas de este proceso. Por lo tanto, demostrando la aplicación práctica de esta metodología.