El algoritmo de moho viscoso (SMA) es un algoritmo metaheurístico basado en enjambres inspirado en los patrones oscilatorios naturales de los mohos viscosos. En comparación con otros algoritmos, el SMA es competitivo pero aún sufre de un desarrollo y exploración desequilibrados y la tendencia a caer en óptimos locales. Para superar estas desventajas, en este artículo se propone un SMA mejorado con una compuerta de rotación cuántica dinámica y aprendizaje basado en la oposición (DQOBLSMA). Específicamente, por primera vez, se utilizan simultáneamente dos mecanismos para mejorar la robustez del SMA original: la compuerta de rotación cuántica dinámica y el aprendizaje basado en la oposición. La compuerta de rotación cuántica dinámica propone una estrategia de control de parámetros adaptativa basada en la aptitud para lograr un equilibrio entre la explotación y la exploración en comparación con la compuerta de rotación cuántica original. La estrategia de aprendizaje basada en la oposición mejora la diversidad de la población y evita caer en óptimos locales. Veintitrés funciones de prueba de referencia verifican la superioridad del DQOBLSMA. Tres problemas típicos de diseño de ingeniería demuestran la capacidad del DQOBLSMA para resolver problemas prácticos. Los resultados experimentales muestran que el algoritmo propuesto supera a otros algoritmos comparativos en velocidad de convergencia, precisión de convergencia y confiabilidad.