Técnicas basadas en población inspiradas en la naturaleza, han demostrado ser efectivas para resolver problemas complejos de optimización. Estos métodos son capaces de encontrar los parámetros óptimos de controladores. En este trabajo se diseña un controlador Proporcional Derivativo (PD) compensado, el cual permite a un UAV (unmanned aerial vehicle) seguir una trayectoria predeterminada. Los parámetros óptimos del controlador son determinados mediante la minimización de la función costo, calculada como el error entre las trayectorias deseadas y las reales en el espacio tridimensional. Además, se comparan seis diferentes algoritmos meta-heurísticos para su sintonización: Optimización por Nube de Partículas (PSO), la variante del Algoritmo de Evolución Diferencial (L-SHADE), Algoritmo de Optimización de Lobos (GWO), Optimización por Pastoreo de Elefantes (EHO), Algoritmo de Optimización de Ballenas (WOA) y el Algoritmo de Autómata Celular de Estado Continuo (CCAA). Los resultados de la implementación muestran que se obtiene un mejor desempeño dinámico del UAV en el seguimiento de la trayectoria proporcionada con el algoritmo PSO.