En els problemes d'optimització combinatòria s'estudien col.leccions finites d'objectes que satisfan uns criteris específics i es perseguix determinar si un cert objecte ``óptim'' existix.  En la majoria de les ocasions, a pesar que el domini de recerca és finit, este pot ser de dimensions exponencials. En l'actualitat és possible solucionar un gran nombre de problemes combinatoris  en la vida real emprant tècniques basades en programació sencera. No obstant això, en nombroses ocasions no és possible resoldre'ls de forma exacta a causa de la gran dificultat que presenten alguns problemes d'optimització combinatòria i només és possible trobar solucions pròximes a l'òptim. Per a estes ocasions, els esforços d'investigació s'han centrat en l'aplicació de tècniques meta-heurístiques. En aquest últim cas s'emmarca el present treball, és a dir, en la resolució de problemes combinatoris complexos, de grans dimensions, on explorar totes les possibilitats a fi de trobar l'òptim és inabordable, ja siga per motius econòmics (provar cada combinació siga car) o per motius computacionals (temporalment siga intractable). 

En concret, en esta tesi es proposa una arquitectura de recerca independent del domini d'aplicació i capaç d'abordar problemes combinatoris de grans dimensions, dels que es dispose poca informació de partida. Esta arquitectura està basada en tècniques Soft Computing, perquè combina un algoritme genètic basat en codificació real amb models basats en xarxes neuronals, concretament en  perceptrons multicapa. Així, l'algoritme gen\'{e}tic utilitza, en els casos en què siga necessari, models aproximats de les funcions d'aptitud per mitjà de perceptrons dissenyats per a tal fi. El sistema obtingut oferix la flexibilitat i versatilitat requerides per a poder adaptar-se als requisits propis de cada problema combinatori a tractar, siga quin siga el seu domini. 

A fi de determinar les tècniques més adequades per a l'arquitectura resultat del present treball, es van revisar les principals tècniques Soft Computing  actuals. Com resultat d'este treball va poder constatar-se que estes tècniques oferixen solucions a baix cost, robustes i flexibles. A més, quan actuen de forma combinada potencien les seues virtuts minimitzant els seus desavantatges.
A més, l'arquitectura de recerca Soft Computing fruit de la present tesi es va  aplicar a la resolució de problemes combinatoris d'interés, tant en l'àrea de la Catàlisi Combinatòria com en el domini dels sistemes de recomanació.  Així, en un primer pas es van estudiar  els requisits i necessitats dels problemes a resoldre dins de l'àmbit d'ambdós dominis. En un segon pas, la tècnica proposta va ser utilitzada en l'àmbit de la Catàlisi tant per a optimitzar les condicions de distintes reaccions, com per a determinar les composicions idònies de catalitzadors indicats per a reaccions de naturalesa i complexitat diferents. Així mateix,  l'arquitectura de recerca plantejada va ser aplicada en l'àmbit dels Sistemes de Recomanació, concretament a un domini d'entreteniment: la valoració de pel.lícules. Per això es va emprar el conjunt de dades MovieLens, utilitzat habitualment com benchmark en este àmbit.  Així, l'arquitectura es va utilitzar per a determinar els perfils de les preferències de certs usuaris a partir de la informació disponible sobre ells o a partir de la informació disponible per a altres usuaris semblants a ells. 

Finalment, l'arquitectura de recerca desenvolupada ha sigut emprada en l'obtenció del conjunt d'aplicacions o ferramentes SoftCombi, que permet el disseny intel.ligent d'experiments en l'àmbit de la Catàlisi Combinatòria.