Resumo. A hibridização de algoritmos de otimização pertencentes à teoria da computação evolucionária é realizada com o objetivo de combinar características desejáveis e atenuar características indesejáveis dos métodos envolvidos. De forma específica para uma hibridização envolvendo o Genetic Algorithm (GA) e Particle Swarm Optimization (PSO), embora o GA insira bastante diversidade de posições no espaço de busca permitindo contornar com uma maior facilidade a convergência prematura, o processo de busca converge lentamente. Além disso, somente inserir diversidade de posições não é o suficiente para contornar a convergência prematura em problemas com maior complexidade. Para obter um processo de busca com uma convergência rápida e não prematura, é necessário realizar um bom trade-off entre a busca global e local. Nessa hibridização, embora não seja trivial, o trade-off pode ser realizado, por exemplo, através de uma boa seleção de valores para o peso inercial do PSO. Para isso, nesse artigo, é proposta a utilização de um sistema de inferência fuzzy Mamdani para adaptação paramétrica, a cada iteração, do peso inercial. Sendo assim, é possível melhorar o desempenho da hibridização GA-PSO através de um bom trade-off entre a busca global e local.