En este trabajo, se proponen nuevas estrategias probabilísticas y dinámicas (adaptativas) para crear ensambles de múltiples métodos basados en el algoritmo de optimización de arrecifes de coral con capas de sustrato (CRO-SL). CRO-SL es un enfoque de ensamble basado en la evolución que es capaz de combinar diferentes procedimientos de búsqueda para una sola población. En este trabajo, se analizan dos estrategias probabilísticas diferentes para mejorar el algoritmo. Primero, se presenta el CRO-SL probabilístico (PCRO-SL), que sustituye los sustratos en la población de CRO-SL con etiquetas asociadas a cada individuo. Cada etiqueta representa un operador diferente que modificará al individuo en la fase de reproducción. En cada generación del algoritmo, las etiquetas se asignan aleatoriamente a los individuos con probabilidades similares, obteniendo de esta manera un ensamble que experimenta cambios más intensos con la aplicación de diferentes operadores a un individuo dado que CRO-SL. En segundo lugar, se presenta el CRO-SL probabilístico dinámico (DPCRO-SL), en el que la probabilidad de asignación de etiquetas se modifica durante la evolución del algoritmo, dependiendo de la calidad de las soluciones generadas en cada sustrato. Así, los mejores sustratos en el proceso de búsqueda tendrán probabilidades más altas que aquellos que mostraron un peor rendimiento durante la búsqueda. Las actuaciones de los ensambles probabilísticos y dinámicos propuestos se probaron para diferentes problemas de optimización, incluidas funciones de referencia y una aplicación real de optimización de la disposición de aerogeneradores, comparando los resultados obtenidos con los de los algoritmos existentes en la literatura.