El problema de planeación de tareas con utilización de recursos restringidos (RCPSP por su sigla en inglés: Resource-Constrained Project Scheduling Problem) es una de las actividades centrales en la planeación y desarrollo de cualquier proyecto que se pueda descomponer en unidades menores denominadas tareas, las cuales deben ser secuenciadas u ordenadas con el fin de respetar ciertas restricciones de orden denominadas relaciones de precedencia y otras de utilización de los recursos. En general, el problema se reduce a programar o secuenciar unas operaciones manteniendo los dos tipos de restricciones enunciadas anteriormente. En la mayoría de los casos los problemas resultantes son problemas combinatorios del tipo NP, los cuales, a pesar de la dificultad para ser resueltos, presentan una gran aplicabilidad a situaciones del mundo real. Para resolver este tipo de problemas, al igual que para muchos problemas combinatorios, existen dos enfoques: el de los algoritmos exactos que dan una respuesta óptima, pero que pueden resultar poco aplicables en la práctica, dado el consumo tan elevado de tiempo de procesamiento y el de los algoritmos heurísticos que aunque no garantizan una solución óptima, lo hacen en forma bastante rápida y en ocasiones con soluciones muy próximas o iguales al óptimo. En esta última categoría están la búsqueda tabú, el enfriamiento simulado, los algoritmos genéticos, la búsqueda dispersa y numerosos algoritmos que tratan a su manera de resolver el RCPSP u otros problemas ya que estos algoritmos, en muchas ocasiones son de carácter general y con variaciones menores se pueden utilizar para resolver problemas específicos. El presente proyecto busca una mezcla de las dos estrategias, donde la primera etapa consiste en un algoritmo de ramificación y acotamiento que trata de recorrer todo el espacio de soluciones, y que si así lo hiciera llegaría al óptimo, pero que dado que requeriría de un tiempo muy grande, entonces utiliza una estrategia de descartar soluciones que parecen no ser tan buenas para concentrarse en las que si parecen buenas. Como muchas veces el óptimo se encuentra por el lado de las que aparentan no ser tan buenas, la clave de la mezcla de las dos estrategias consiste en no descartar todas las aparentemente malas, buscando solamente en un espacio reducido de soluciones para no incurrir, por el otro extremo, en tiempos de proceso muy altos. Entonces en la estrategia de selección de las soluciones aparentemente buenas se utilizan criterios que permitan a la vez seleccionar las buenas recorriendo sólo un número relativamente pequeño del espacio de soluciones. Esta estrategia que en general es utilizada por todos los algoritmos heurísticos se aparta de su concepción general en el sentido de que la base de la búsqueda es un algoritmo exacto, donde se utilizan estrategias, suposiciones intuitivas y trucos para descartar soluciones. Por supuesto que no hay garantía de llegar a la solución óptima, pero en la medida en que se sea más inteligente y selectivo en la forma de recorrer las soluciones, mayor es la probabilidad de llegar a la solución óptima. Las estrategias se toman de la experiencia que se ha tenido tanto en el desarrollo de algoritmos exactos aplicados a problemas pequeños como de algoritmos heurísticos aplicados a problemas mayores.