El desarrollo de controladores de velocidad en ejecución en vehículos autónomos dentro de su tarea de conducción dinámica (DDT) es un área de investigación tradicional desde el punto de vista de las técnicas de control. En este sentido, los controladores Proporcional - Integral - Derivativo (PID) son los más ampliamente utilizados para cumplir con los requisitos del control de crucero. Sin embargo, el ajuste fino de los parámetros asociados con este tipo de controlador puede ser complejo, especialmente si se pretende optimizarlos y reducir sus errores característicos. El objetivo del trabajo descrito en este documento es evaluar la capacidad de varias metaheurísticas para el ajuste de los parámetros Kp, 1/Ti y 1/Td de un controlador PID para regular la velocidad de un vehículo. Para ello, se ha establecido una función de error de ajuste a partir de una combinación lineal de estimadores clásicos de la bondad del controlador, como el sobrepaso, el tiempo de establecimiento (ts), el error en estado estacionario (ess) y el número de cambios de signo de la señal (d). El error obtenido al aplicar el controlador también se ha comparado con un modelo computacional del vehículo después de estimar los parámetros Kp, Ki y Kd, tanto para una secuencia de consigna utilizada en el ajuste de los parámetros del sistema como para una secuencia no utilizada durante el ajuste y, por lo tanto, desconocida por el sistema. La principal novedad del documento es proponer una nueva función de error global, una función que permite el uso de métodos de optimización heurística para la sintonización PID. Esta optimización se ha llevado a cabo utilizando tres métodos: algoritmos genéticos (GA), algoritmos meméticos (MA) y búsqueda directa adaptativa en malla (MADS). Los resultados de la aplicación de los métodos de optimización utilizando la métrica propuesta muestran que la precisión del controlador PID se mejora, en comparación con la optimización clásica basada en métodos clásicos como el error absoluto integral (IAE) u métricas similares, reduciendo los comportamientos oscilatorios y minimizando los índices de rendimiento analizados.