En la presente investigación se aborda el problema de formación de celdas de manufactura virtuales en un ambiente de demanda dinámica (Dynamic Virtual Cell Formation Problem, DVCFP), entre diferentes periodos de tiempo, considerando varios productos con distintas operaciones y diferentes rutas de procesamiento, con el fin de acercarlo a la industria real minimizando los costos de producción. Gracias a la cantidad de variables el DVCFP es considerado de naturaleza NP hard, por lo tanto, para dar solución a este problema se utiliza un modelo matemático de naturaleza lineal entera mixta, y se desarrolla en el software algebraico GAMS/CPLX mediante el algoritmo Branch & Cut, utilizando 10 instancias clasificadas en 2 tamaños (grandes y pequeñas), generadas a partir de la adaptación de la literatura previa, y como alternativa se diseña un Algoritmo Genético Híbrido (GAPSO), combinando las ventajas de los algoritmos evolutivos y los algoritmos poblacionales como la Optimización por Enjambre de Partículas Discreta (DPSO). A partir de un diseño de experimentos se identifican los factores del algoritmo GAPSO que más repercusión presentan en la minimización de los costos asociados a la producción, dando como resultado que el tamaño de la población es el más importante en el desarrollo del algoritmo. Para finalizar se analizan los resultados obtenidos por cada método de solución, y se realiza su respectiva comparación entre el modelo exacto y la metaheurística diseñada, concluyendo que el Algoritmo GAPSO presenta mejores resultados en temas de costos y tiempo computacional que el modelo exacto para las instancias consideradas como pequeñas y grandes.