La optimización está en todas partes, en áreas como ingeniería de diseño, ciencias de la computación o economía. Los estudios en esta área en las últimas dos décadas tienden a usar algoritmos metaheurísticos tales como Recocido Simulado, Algoritmos Genéticos y Búsqueda del Cuco, capaces de resolver difíciles problemas de optimización. En este artículo, se analiza el rendimiento de estos algoritmos en función del número de aciertos y el número de iteraciones requeridas para lograr la convergencia, sobre diferentes superficies multimodo, bajo MATLAB. Se consideran dos superficies con diferentes características respecto al número de óptimos locales y la existencia de regiones planas. Para hacer más dinámica la búsqueda se ha utilizado un sistema multiagente. La ubicación inicial de los agentes puede establecerse en zonas específicas de la superficie. En todos los casos, se puede observar que Recocido Simulado es más consistente que Algoritmos Genéticos y Búsqueda del Cuco ya que con un número suficiente de iteraciones puede llegar a encontrar el óptimo global en todas las simulaciones, independientemente de la superficie en estudio. Además, Recocido Simulado tiene la capacidad de escapar de los máximos locales sin importar la zona de inicialización de los agentes.