Las restricciones suaves son bastante comunes en aplicaciones de la vida real. Por ejemplo, en el transporte de carga, el tamaño de la flota puede ampliarse subcontratando parte del servicio de distribución y algunos envíos a los clientes también pueden ser pospuestos; en la gestión de inventarios, es posible considerar las roturas de stock generadas por demandas inesperadas; y en los procesos de fabricación y gestión de proyectos, es frecuente que algunos plazos no puedan cumplirse debido a retrasos en pasos críticos de la cadena de suministro. Sin embargo, las limitaciones relacionadas con la capacidad, el tamaño y el tiempo se incluyen en muchos problemas de optimización como restricciones estrictas, cuando sería más realista considerarlas como restricciones suaves, es decir, pueden ser violadas en cierta medida incurriendo en un costo de penalización. La mayoría de las veces, este costo de penalización será no lineal e incluso no continuo, lo que podría transformar la función objetivo en una no suave. A pesar de sus muchas aplicaciones prácticas, los problemas de optimización no suaves son bastante desafiantes, especialmente cuando el problema de optimización subyacente es de naturaleza. En este documento, proponemos el uso de algoritmos sesgados-aleatorios como una metodología efectiva para hacer frente a problemas de optimización no suaves en muchas aplicaciones prácticas. Los algoritmos sesgados-aleatorios extienden las heurísticas constructivas al introducir un patrón de aleatorización no uniforme en ellas. Por lo tanto, pueden utilizarse para explorar áreas prometedoras del espacio de soluciones sin las limitaciones de los enfoques basados en gradientes, que asumen la existencia de funciones objetivo suaves. Además, los algoritmos sesgados-aleatorios pueden ser fácilmente paralelizados, empleando así tiempos de computación cortos mientras exploran un gran número de regiones prometedoras. Este documento discute estos conceptos en detalle, revisa el trabajo existente en diferentes áreas de aplicación y destaca las tendencias actuales y las líneas de investigación abiertas.