Este artículo propone un algoritmo híbrido que hace uso de la técnica de aprendizaje no supervisado db-scan para obtener versiones binarias de algoritmos continuos de inteligencia de enjambre. Estas versiones binarias luego se aplican a grandes instancias del conocido problema de la mochila multidimensional. La contribución del operador db-scan al proceso de binarización se estudia sistemáticamente. Para esto, se construyen dos operadores aleatorios que sirven como referencia para la comparación. Una vez que se establece la contribución, el operador db-scan se compara con otros dos métodos de binarización que han resuelto satisfactoriamente el problema de la mochila multidimensional. El primer método utiliza la técnica de aprendizaje no supervisado k-means como método de binarización. El segundo hace uso de funciones de transferencia como mecanismo para generar versiones binarias. Los resultados muestran que el algoritmo híbrido que utiliza db-scan produce resultados más consistentes en comparación con las funciones de transferencia (TF) y los operadores aleatorios.