Los problemas clásicos de optimización no se encuentran ajenos a las nuevas tendencias del Big Data y computación distribuida. Actualmente las meta-heurísticas de optimización son reconocidas como estrategias efectivas para el tratamiento de problemas complejos de optimización. La adaptación de estos algoritmos al nuevo ecosistema de Apache Spark, no constituye un procedimiento trivial. Este artículo realiza un análisis de un grupo de meta-heurísticas implementadas actualmente, concentrando las desarrolladas en ambientes distribuidos para análisis de Big Data. Atendiendo a dos clasificaciones fundamentalmente, las basadas en trayectoria y las basadas en población. Este trabajo presenta conceptos, implementaciones y estrategias utilizadas en las investigaciones presentes en el estado del arte.