El problema de la selección de individuos de una población en función de las características que comparten ha suscitado el interés de la comunidad científica en los últimos años. En este artículo se propone un algoritmo basado en la metaheurística Iterated Greedy para resolver el problema de la máxima intersección de k-conjuntos (kMIS). En concreto, se trata de una variante donde se deben seleccionar k individuos de una población, con el objetivo de maximizar el número de características que dichos individuos tienen en común. Para aumentar la eficiencia del algoritmo propuesto, se plantea una nueva representación de la solución basada en bitsets. Esta representación reduce notablemente la complejidad de la evaluación de la función objetivo. La propuesta algorítmica se compara con el mejor trabajo encontrado en la literatura reciente. Los resultados computacionales muestran que el algoritmo propuesto ofrece un rendimiento muy superior al previo tanto en calidad como en tiempo de cómputo, emergiendo como uno de los algoritmos más competitivos en el contexto del kMIS.