Este documento presenta un enfoque novedoso para modelar y optimizar la trayectoria y el comportamiento de pequeños misiles de cohetes sólidos. El marco propuesto integra un entorno de simulación de seis grados de libertad (6DoF) ajustado experimentalmente para la precisión, con una combinación de algoritmos genéticos (GAs) y aprendizaje automático (ML) para mejorar el rendimiento de la trayectoria del misil. En la fase inicial, se emplea un GA para optimizar la trayectoria del misil para una adquisición de objetivos eficiente, definiendo parámetros clave de lanzamiento como el ángulo de inclinación y la fuerza de maniobra lateral para minimizar errores de posición y asegurar un compromiso efectivo del objetivo. Tras la optimización de la trayectoria, los datos derivados se utilizan para entrenar un modelo de ML que predice los parámetros de configuración, reduciendo significativamente los costos y el tiempo computacional. Esta estrecha integración permite ajustes en tiempo real para adquirir objetivos en movimiento, mejorando así la precisión y minimizando los costos de maniobra. Este estudio también explora la aplicación de la vectorización de empuje fluidos para cohetes pequeños, proporcionando una solución innovadora para mejorar la maniobrabilidad y el control, especialmente a bajas velocidades. El marco propuesto fue validado utilizando datos de lanzamiento experimentales del Equipo Icarus. La metodología ofrece una solución robusta y rentable para la puntería de precisión y una mejor maniobrabilidad en contextos aeroespaciales y de defensa.