Completion of the activities within optimal time and cost plays a significant role in construction projects. Recently, project managers have to decrease the total durations and costs of the projects more than before due to the competitive environment. Mostly, decision makers usually seek different alternatives which reduce time and cost. As well as being one of the most major topics of construction management, this problem called time-cost trade-off (TCTO) which is extremely difficult to solve with traditional mathematical methods. In recent years, metaheuristic algorithms are outstanding methods in this field due to their flexible and adaptable structure. This paper presents a new algorithm called F-PSO which consists of hybridizing Firefly Algorithm (FA) with Particle Swarm Optimization (PSO). In this method, the problem is modelled with various execution modes to select the optimal one for each activity. The applicability and validity of the proposed method is confirmed by performing 18-activity project as a benchmark problem. Comparison of numerical results with different metaheuristic algorithms demonstrates the effectiveness and efficiency of F-PSO with regard to optimality of time and cost outcomes.La finalización de las actividades en un tiempo y costo óptimos desempeña un papel importante en los proyectos de construcción. Recientemente, los gerentes de proyecto tienen que disminuir la duración total y los costos de los proyectos más que antes debido al entorno competitivo. En general, quienes toman las decisiones generalmente buscan diferentes alternativas que reduzcan el tiempo y el costo. Además de ser uno de los temas más importantes de la gestión de la construcción, este problema se llama compensación - tiempo-costo (TCTO), que es extremadamente difícil de resolver con métodos matemáticos tradicionales. En los últimos años, los algoritmos metaheurísticos son métodos sobresalientes en este campo debido a su estructura flexible y adaptable. Este artículo presenta un nuevo algoritmo llamado F-PSO que consiste en hibridar el Algoritmo Firefly (FA) con la Optimización de Enjambre de Partículas (PSO). En este método, el problema se modela con varios modos de ejecución para seleccionar el óptimo para cada actividad. La aplicabilidad y validez del método propuesto se confirma realizando un proyecto de 18 actividades como un problema de referencia. La comparación de resultados numéricos con diferentes algoritmos metaheurísticos demuestra la efectividad y eficiencia de F-PSO con respecto a la optimización de los resultados de tiempo y costo.