El resumen automático es tema de gran interés en muchos campos de conocimiento, principalmente como consecuencia del crecimiento del volumen de información en los últimos años. Su objetivo es reducir la cantidad de información disponible sobre un tema concreto para facilitar su lectura y compresión. Específicamente, el problema de resumen genérico extractivo de múltiples documentos trata de generar un resumen que cubra el contenido principal de los documentos además de reducir la redundancia entre sus oraciones. Debido a los múltiples objetivos involucrados en el problema, la mejor forma de abordarlo es mediante enfoques de optimización multiobjetivo, que son capaces de optimizar simultáneamente un conjunto de funciones objetivo. Además, es necesario considerar técnicas de paralelismo para reducir el elevado tiempo de ejecución. 
Esta Tesis Doctoral tiene como objetivo resolver diferentes problemas de resumen de texto extractivo multi-documento mediante la aplicación de la optimización multiobjetivo y del paralelismo. Se han investigado, desarrollado y aplicado diversas estrategias de búsqueda multiobjetivo, basadas en dominancia, indicador y descomposición, mediante varios algoritmos metaheurísticos. Además, se han desarrollado diferentes diseños de paralelización para reducir el tiempo de ejecución. También se han examinado las definiciones del problema, analizando distintos esquemas de ponderación de términos, distintas medidas de similitud, e incluso diversos criterios a optimizar. El problema de resumen genérico ha recibido gran atención, y la experiencia obtenida se ha utilizado para abordar otros, como el resumen orientado a consultas, basado en sentimientos o de actualización. Los resultados obtenidos han demostrado la validez y utilidad de los enfoques planteados