Este artículo propone MRIME-CD, una versión modificada del algoritmo RIME, un algoritmo metaheurístico basado en la física recientemente propuesto. El algoritmo RIME presenta una rápida disminución de la diversidad poblacional y una tendencia a alcanzar óptimos locales durante el proceso de optimización. MRIME-CD aborda estos problemas mediante el aprendizaje de covarianza y estrategias de mejora de la diversidad. Estas tres estrategias incluyen: primero, la introducción de una estrategia de aprendizaje de covarianza durante la fase de búsqueda en tiempo suave para aumentar la diversidad poblacional y prevenir la sobreexplotación. Segundo, la introducción de una estrategia de bootstrap promedio en el mecanismo de punción en tiempo duro para mitigar la tendencia a acercarse a los individuos óptimos en las primeras etapas del proceso, mejorando así la capacidad de búsqueda global. Finalmente, proponemos una novedosa métrica de estancamiento y actualizamos los individuos estancados cuando el algoritmo se bloquea, mejorando así la capacidad de escapar de los óptimos locales. Los resultados experimentales, utilizando los conjuntos de pruebas CEC2017 y CEC2022, muestran que MRIME-CD supera al algoritmo RIME existente en términos de precisión de la solución, velocidad de convergencia y estabilidad. La significancia estadística se verificó mediante la prueba de Friedman, la prueba de suma de rangos de Wilcoxon y la prueba de Kruskal Wallis.
