Considerando la relación de compensación entre el consumo específico de combustible (BSFC), el ruido de combustión (CN) y la emisión de NOx, es una tarea difícil optimizarlos simultáneamente en un motor diésel marino. Para superar este problema, se propuso un novedoso algoritmo genético y un algoritmo híbrido de optimización mejorada de enjambre de pollos (GA-ICSO), donde se introdujeron el vuelo de Levy mejorado y un factor de autoaprendizaje adaptativo en este algoritmo. Se realizaron comparaciones computacionales entre GA-ICSO y otros algoritmos de optimización efectivos utilizando cuatro funciones de prueba estándar, validando las mejoras tanto en precisión como en estabilidad para GA-ICSO. Además, se desarrolló y validó un modelo de motor predictivo basado en un enfoque fenomenológico. Este modelo acopló el algoritmo propuesto para la optimización de un motor diésel marino. En el proceso de optimización, se seleccionaron cinco parámetros de control como variables de diseño, incluyendo el tiempo de inyección (IT), la fase del árbol de levas de admisión (ICP), el cierre de la válvula de admisión (IVC), la temperatura y presión de admisión. Los resultados muestran que se puede obtener un valor objetivo más bajo con GA-ICSO que con otros algoritmos de optimización ampliamente utilizados para todas las condiciones de operación. Además, al comparar los resultados entre las generaciones óptimas y las líneas base, se pudo encontrar que, bajo las condiciones de 50%, 75% y 100% de carga, el CN se reduce en un 10.7%, 4.9% y 3.9%, el NOx disminuye en un 15%, 31% y 33%, y el BSFC se suprime en un 10.8%, 13.3% y 9.5%, respectivamente. Finalmente, se emplearon tasas de liberación de calor, espectros de ruido, presiones y temperaturas de cilindro para discutir los resultados de optimización de un motor diésel marino bajo diferentes condiciones de trabajo.