Existen muchos casos en los que la separación de diferentes fuentes de grabaciones de un solo canal es importante, por ejemplo, en la compensación de superposición espectral de fluorescencia, señalización de impedancia eléctrica, descomposición electromiográfica intramuscular o en el caso de clasificación de picos de potenciales neuronales de matrices de microelectrodos (MEA). Enfocándonos en este último, el problema puede abordarse identificando picos emergentes del fondo y agrupándolos en diferentes grupos, lo que indica la actividad de diferentes neuronas. Se presentan problemas cuando se superponen más picos en formas de onda superpuestas. Discutimos la aplicación de la Optimización Basada en Biogeografía (BBO) para resolver este problema específico. Nuestro algoritmo se compara con tres métodos de clasificación de picos (SpyKING Circus, Common Basis Pursuit y Klusta), mostrando un rendimiento estadísticamente mejor (en términos de puntaje F1, Tasa de Verdaderos Positivos-TPR y Valor Predictivo Positivo-PPV) en la resolución de superposiciones en datos simulados realistas. Específicamente, BBO mostró una mediana de F1, TPR y PPV del 100%, 100% y aproximadamente 75%, respectivamente, considerando un ruido simulado con la misma densidad espectral que la experimental y una potencia similar con mejoras estadísticamente altamente significativas de al menos dos índices de rendimiento sobre cada uno de los otros tres algoritmos probados.