Hoy en día, la adaptación dinámica de parámetros ha demostrado proporcionar una mejora significativa en varios métodos de optimización metaheurística, y una de las principales formas de realizar esta adaptación dinámica es la implementación de Sistemas de Inferencia Difusa. La razón principal de esto es porque los Sistemas de Inferencia Difusa pueden diseñarse basados en el conocimiento humano, y esto puede proporcionar una adaptación dinámica inteligente de parámetros en metaheurísticas. Además, con la llegada de la Lógica Difusa Tipo-2, la capacidad de manejo de la incertidumbre ofrece una mejora atractiva para la adaptación dinámica de parámetros en métodos metaheurísticos, y, de hecho, el uso de Sistemas de Inferencia Difusa de Tipo-2 por Intervalos (IT2 FIS) ha demostrado proporcionar mejores resultados con respecto a los Sistemas de Inferencia Difusa de Tipo-1 (T1 FIS) en trabajos recientes. Basándose en la mejora de rendimiento exhibida por IT2 FIS, el presente artículo tiene como objetivo implementar el Sistema de Inferencia Difusa de Tipo-2 Sombreado (ST2 FIS) para mejoras adicionales en la adaptación dinámica de parámetros en los métodos de optimización Harmony Search y Differential Evolution. El ST2 FIS es una aproximación de los Sistemas de Inferencia Difusa de Tipo-2 Generales (GT2 FIS), y se basa en los principios de los Conjuntos Difusos Sombreados. La razón principal para usar ST2 FIS y no GT2 FIS es porque el costo computacional de GT2 FIS representa una limitación de tiempo en esta aplicación. El artículo presenta una comparación de los métodos convencionales con parámetros estáticos y la adaptación dinámica de parámetros basada en ST2 FIS, y se comparan los enfoques en la resolución de funciones matemáticas y en la optimización de controladores.