La elección de qué funciones objetivo, o problemas de referencia, se deben usar para probar un algoritmo de optimización es una parte crucial del marco de selección del algoritmo. Las suites de pruebas que se utilizan a menudo en la literatura han demostrado tener una cobertura deficiente del espacio del problema. El análisis exploratorio del paisaje se puede utilizar para cuantificar las características de las funciones objetivo. Sin embargo, las medidas de análisis exploratorio del paisaje se basan en muestras de la función objetivo, y hay una falta de trabajo sobre la elección apropiada del tamaño de la muestra necesario para producir medidas confiables. Este estudio presenta un enfoque para determinar el tamaño de muestra mínimo necesario para obtener medidas robustas de análisis exploratorio del paisaje. Basándose en medidas confiables de análisis exploratorio del paisaje, se utiliza un mapa de características autoorganizado para agrupar un conjunto completo de funciones de referencia. A partir de esto, se propone una suite de pruebas que tiene una mejor cobertura del espacio de problemas con restricciones de límites de objetivo único.