Este trabajo estudia el problema de la planificación de tareas y usuarios en sistemas heterogéneos (heterogeneous computing scheduling problem, HCSP) con un enfoque multiobjetivo, que busca minimizar el consumo energético de los recursos informáticos y mantener la calidad de servicio ofrecida. Se resuelven dos variantes del problema HCSP utilizando algoritmos evolutivos (AEs), una enfocada a la planificación de tareas en un cluster de computadoras, y la otra a la asignación de usuarios en un salón de informática. El problema de planificación de tareas se modela en base al Cluster FING, de Facultad de Ingeniería, UDELAR. El objetivo de la calidad de servicio es considerado en base al makespan, el tiempo que toma ejecutar todas las tareas. El problema se resuelve implementando NSGA-II, un AE multiobjetivo explícito. La evaluación experimental se realiza sobre tres instancias de diferentes dimensiones, comparando el AE con una variante multiobjetivo de la heurística minmin. En los resultados de la evaluación el AE obtiene mejores resultados para ambos objetivos, además de brindar un conjunto amplio de soluciones ofreciendo distintos niveles de compromiso entre los dos objetivos considerados. El problema de la asignación de usuarios modela un salón de informática de la misma facultad, y considera la calidad de servicio en base a minimizar la sobreasignación, una función que compara los requerimientos de los usuarios en un recurso y la capacidad máxima de este. Para el estudio del problema se implementa un sistema que permite recopilar información de uno de los salones de informática, reportando datos de las sesiones de los usuarios. Se implementa una heurística determinista, dos variantes de la heurística minmin, un algoritmo con política de round robin, una heurística que simula el comportamiento de los usuarios, un AE basado en NSGA-II y un algoritmo de backtracking. La evaluación experimental se realiza sobre un conjunto de 7 instancias creadas a partir de los datos recopilados del salón. Los resultados experimentales muestran que el AE obtiene las mejores soluciones en cuanto a distribución de usuarios, variedad de soluciones y mejores valores para ambos objetivos. En comparación con round robin se mejora entre un 3% y 20% el consumo energético y entre 15% y 160% la sobreasignación. Como parte de la solución se presenta una aplicación web que facilita la implantación del sistema en un entorno real.