En este artículo, consideramos el problema de seleccionar el algoritmo de optimización más eficiente para la aproximación de redes neuronales en la resolución de problemas de control óptimo con restricciones mixtas. El problema original de control óptimo se reduce a un problema de optimización de dimensión finita aplicando las condiciones necesarias de optimalidad, el método del multiplicador de Lagrange y el método de mínimos cuadrados. Se presentan modelos de aproximación de redes neuronales para las funciones de control deseadas, la trayectoria y los factores conjugados. La selección de los coeficientes de peso óptimos de la aproximación de la red neuronal se llevó a cabo utilizando el algoritmo de búsqueda gravitacional, el algoritmo básico de enjambre de partículas y el algoritmo genético. Los experimentos computacionales mostraron que los algoritmos de optimización evolutiva requerían el menor número de iteraciones para una precisión dada en comparación con el método clásico de optimización por gradientes; sin embargo, los métodos de optimización multiagente se realizaron más tarde para cada operación. Como resultado, el algoritmo genético mostró una tasa de convergencia más rápida en relación con el tiempo total de ejecución.