Este artículo presenta la solución del problema de planeamiento de la expansión de la transmisión (PET) de sistemas eléctricos de potencia (SEP) usando el modelo DC, mediante diferentes técnicas de optimización metaheurísticas (TOM). El problema operativo de flujo de carga es resuelto mediante el método de puntos interiores. Las técnicas analizadas son: algoritmos genéticos, optimización por colonia de hormigas, enjambre de partículas y artificial bee colony. Se incluye, además, en cada algoritmo un esquema aleatorio controlado para inicialización de la población y una etapa de mejoramiento de la optimalidad. Los algoritmos modificados propuestos se prueban sobre los sistemas de Garver de 6 nodos y el sistema IEEE de 24 nodos. Se realiza un análisis comparativo de los métodos desde el punto de vista del esfuerzo computacionalThis paper presents the solution to the problem of transmission expansion planning (TEP) for electric power systems (EPS), using the DC model through different metaheuristic optimization techniques (MOT). The operational load flow problem is solved by the interior point method. The techniques discussed are: genetic algorithms, ant colony optimization, particle swarm, and artificial bee colony. Additionally, a controlled randomized scheme is included in each algorithm for population initialization, and a phase of improving optimality. The proposed modified algorithms are tested on Garver’s 6-node system and on the IEEE 24-node system. A comparative analysis of methods is carried out from the point of view of computational effortEste artigo apresenta a solução do problema de planejamento da expansão da transmissão (PET) de sistemas elétricos de potência (SEP) usando o modelo DC, através de diferentes técnicas de otimização meta-heurísticas (TOM). O problema operativo de fluxo de carga se resolve através do método de pontos interiores. As técnicas analisadas são: algoritmos genéticos, otimização por colônia de formigas, enxame de partículas e artificial bee colony. Inclui-se, além do mais, em cada algoritmo um esquema aleatório controlado para inicialização da população, e uma etapa de melhoramento da otimalidade. Os algoritmos modificados propostos se provam sobre os sistemas de Garver de 6 nodos e o sistema IEEE de 24 nodos. Realiza-se uma análise comparativa dos métodos desde o ponto de vista do esforço computacional