En el sector energético, la optimización competitiva de licitaciones estratégicas se ha convertido en un desafío importante. La plataforma digital proporciona una base técnica superior y respaldo para la ejecución de la optimización. Los marcos de vanguardia utilizados para simular decisiones estratégicas de licitación en mercados de electricidad desregulados (EM) en este artículo son la optimización bi-nivel y las redes neuronales. En esta investigación, presentamos HHO-NN (Optimización de Harris Hawk-Red neuronal), un algoritmo novedoso basado en la Optimización de Harris Hawk (HHO) que es capaz de una rápida convergencia en comparación con algoritmos evolutivos previos para buscar automáticamente topologías significativas de redes neuronales de perceptrón multicapa (MPNNs) para una licitación óptima. Esta técnica suele requerir una cantidad considerable de tiempo y recursos informáticos. Este método establece el problema en espacios de estado-acción continuos multidimensionales, lo que permite a los actores del mercado obtener información precisa sobre el efecto de sus decisiones de licitación en los resultados de compensación del mercado, así como implementar decisiones de licitación más valiosas utilizando un dominio de acción completo y teniendo en cuenta principios operativos no convexos. Debido al uso de MPNN, los estudios de caso muestran que la metodología sugerida ofrece un beneficio mucho mayor que otros métodos de vanguardia y tiene un mejor rendimiento computacional que la técnica de referencia HHO.