El Algoritmo de Optimización de Ballenas (WOA) es un algoritmo de inteligencia de enjambre basado en heurísticas naturales, que ha captado considerable atención de investigadores e ingenieros. Sin embargo, WOA todavía tiene algunas limitaciones, incluyendo eficiencia limitada en la búsqueda global y una tasa de convergencia lenta. Para abordar estos problemas, este documento presenta un algoritmo de optimización de ballenas mejorado con múltiples estrategias, llamado Algoritmo de Optimización de Ballenas con Compartición Dinámica de Ganancias (DGSWOA). Específicamente, se adopta primero un mapa Seno-Techo-Coseno para inicializar la población de manera más efectiva, asegurando una distribución más uniforme de individuos a lo largo del espacio de búsqueda. Luego, se utiliza un algoritmo basado en conocimiento de ganancia-compartición para mejorar la capacidad de búsqueda global y evitar caer en un óptimo local. Finalmente, para aumentar la diversidad de soluciones, se incorpora Aprendizaje Basado en Oposición Dinámica para la actualización de la población. La efectividad de nuestro enfoque se evalúa a través de experimentos comparativos en pruebas de optimización de caja negra y dos problemas de aplicación de ingeniería. Los resultados experimentales sugieren que el método propuesto es competitivo en términos de calidad de solución y velocidad de convergencia en la mayoría de los casos.