Los algoritmos metaheurísticos son útiles para optimizar funciones, i.e. encontrar máximos o mínimos. Mientras que la Evolución Diferencial es un algoritmo metaheurístico basado en poblaciones que evolucionan al aplicarles ciertos operadores específicos, los algoritmos de estimación de probabilidad (como UMDA y BUMDA) se basan en una distribución para guiar tendencias de mejora de actitud en la función objetivo. Muy diversas funciones bien conocidas sirven como referentes indicativos de la efectividad de algún algoritmo que intenta optimizarles; en este trabajo se utilizan 5 de tales funciones para evaluar la capacidad de optimización de los algoritmos metaheurísticos Evolución Diferencial, UMDA y BUMDA  a través de una comparativa en sus implementaciones y un análisis estadístico significativo.