In the present work, the benefits of metaheuristic techniques in insertion were detailed. of distributed generation in the electrical distribution networks, in order to minimize the active power losses, this was worked out via Python software using the case of 9 bars proposed by the IEEE, applying the genetic algorithm and the algorithm of optimization by swarm of particles, as results the parameters electrical voltages, angles and active power which help to determine the point optimal for the distributed generation location, it was also observed the relationship that has the distance between the loads and the GD generators. All of the above is summarized in the obtaining data by means of power flows that resemble those of a control system. Real distribution, comparing in tables the behavior of the system before and after GD insertion..En el presente trabajo se detalló los beneficios de las técnicas metaheurísticas en la inserción de generación distribuida en las redes eléctricas de distribución, con el fin de minimizar las pérdidas de potencia activa, esto se elaboró a través del software Python utilizando el caso de 9 barras propuesto por la IEEE, aplicando el algoritmo genético y el algoritmo de optimización por enjambre de partículas, como resultados se obtuvieron los parámetros eléctricos de voltajes, ángulos y potencia activa los cuales ayudan para determinar el punto óptimo para la ubicación de generación distribuida, además se observó la relación que tiene la distancia entre las cargas y los generadores de GD. Todo lo anterior se resume en la obtención de datos mediante flujos de potencia que se asemejan a los de un sistema de distribución real, comparando en tablas el comportamiento que presenta el sistema antes y después de la inserción de GD