Como un algoritmo metaheurístico eficiente, el algoritmo de optimización de ballenas (WOA) ha sido ampliamente aplicado a problemas prácticos. Sin embargo, WOA todavía tiene la desventaja de converger lentamente y salir de puntos extremos especialmente para problemas de optimización a gran escala. Para superar estos defectos, se propone un algoritmo de optimización de ballenas modificado integrado con un algoritmo de optimización de cruce (MWOA-CS). En MWOA-CS, cada dimensión del problema de optimización actualiza su posición realizando aleatoriamente un WOA mejorado o un algoritmo de optimización de cruce durante todo el proceso iterativo. El WOA mejorado adopta un nuevo factor de convergencia no lineal y un peso de inercia no lineal para ajustar la capacidad de explotación y exploración. Para analizar el rendimiento de MWOA-CS, se realizaron una serie de experimentos numéricos en 30 funciones de prueba de referencia con dimensiones que van desde 300 hasta 1000. Los resultados experimentales revelaron que el MWOA-CS presentado proporcionó una mejor velocidad y precisión de convergencia, y al mismo tiempo, mostró un rendimiento significativamente más efectivo y robusto que el WOA original y otros algoritmos metaheurísticos de vanguardia para resolver problemas de optimización globales a gran escala.