En este documento, resolvemos el problema de flujo de potencia óptimo en redes de corriente alterna para reducir las pérdidas de energía. Con ese propósito, proponemos una metodología maestro-esclavo que combina el algoritmo de optimización multiverso (etapa maestra) y el método de flujo de potencia para redes de corriente alterna basado en aproximación sucesiva (etapa esclava). La etapa maestra determina el nivel de potencia activa a ser inyectada por cada generador distribuido en la red, y la etapa esclava evalúa el impacto de la solución propuesta en cada generador distribuido en términos de la función objetivo y las restricciones. Para las simulaciones, utilizamos los sistemas de prueba radial de 10, 33 y 69 nodos y el sistema de prueba en malla de 10 nodos con tres niveles de penetración de generación distribuida: 20%, 40% y 60% de la potencia proporcionada por el generador de referencia en un escenario sin GDs. Con el fin de validar la robustez y convergencia del algoritmo de optimización propuesto, lo comparamos con otros cuatro métodos de optimización que han sido reportados en la literatura especializada para resolver el problema abordado aquí: Optimización por enjambre de partículas, el Algoritmo Genético Continuo, el algoritmo de Optimización de Agujero Negro y el algoritmo de Optimización de León Hormiga. Los resultados obtenidos demuestran que la metodología maestro-esclavo propuesta puede encontrar la mejor solución (en términos de reducción de pérdida de potencia, repetibilidad y condiciones técnicas) para redes de cualquier tamaño, ofreciendo un excelente rendimiento en términos de tiempo de computación.