El modelo clásico de Markowitz para diseñar carteras de inversión es un problema de optimización con dos objetivos: maximizar rendimientos y minimizar riesgos. Diversas alternativas y mejoras han sido propuestas por diferentes autores, quienes han contribuido a la teoría de selección de carteras. Una de las contribuciones más importantes es el Índice de Sharpe, que permite la comparación del rendimiento esperado de las carteras. Otro concepto importante para los inversores es la diversificación, medida a través de la correlación promedio. En esta medida, una alta correlación indica un bajo nivel de diversificación, mientras que una baja correlación representa un alto grado de diversificación. En este trabajo, se presentan tres algoritmos desarrollados para resolver el problema de la cartera. Estos algoritmos utilizaron el Índice de Sharpe como la métrica principal para resolver el problema de los dos objetivos mencionados en un solo objetivo: maximización del Índice de Sharpe. El primero, GENPO, utilizó un Algoritmo Genético (AG). En contraste, los segundo y tercer algoritmos, SAIPO y TAIPO, utilizaron algoritmos de Recocido Simulado y Aceptación de Umbral, respectivamente. Probamos estos algoritmos utilizando conjuntos de datos tomados de la Bolsa Mexicana de Valores. Los hallazgos se compararon con otros modelos matemáticos de trabajos relacionados, y se obtuvieron los mejores resultados con los algoritmos propuestos.