Los algoritmos inspirados en la naturaleza son la base de la tecnología informática moderna, y en las últimas tres décadas, el campo ha crecido enormemente. Muchas aplicaciones fueron resueltas por tales algoritmos y están reemplazando los procesos tradicionales de optimización clásica. Un reciente algoritmo de rata topos desnuda (NMRA) se propuso basado en los patrones de apareamiento de las ratas topos desnudas. Este algoritmo demostró su valía en términos de competitividad y aplicación a varios dominios de investigación. El objetivo era proponer un algoritmo basado en NMRA, llamado NMRA mejorado (ENMRA), mitigando los problemas que este algoritmo sufre: convergencia lenta, exploración deficiente y estancamiento en óptimos locales. Para mejorar las capacidades de exploración de NMRA básico, se emplearon ecuaciones de búsqueda basadas en la optimización del lobo gris (GWO). La explotación se mejoró utilizando métodos de división de población basados en la búsqueda de vecindario local (LNS) y ecuaciones de evolución diferencial (DE). Para evitar el problema de estancamiento local, se utilizó una estrategia de búsqueda de vecindario alrededor del mejor individuo. Tales mejoras ayudan a la nueva variante a resolver problemas de optimización altamente desafiantes en contraste con los algoritmos existentes. La eficacia de ENMRA se evaluó utilizando la suite de pruebas de referencia CEC 2019. Los resultados fueron analizados estadísticamente mediante la prueba de suma de rangos de Wilcoxon y la prueba de rango de Friedman (f-rank). El análisis resultante demostró que ENMRA es superior a los algoritmos competitivos para las funciones de prueba CEC 2019 con una efectividad general del 60.33%. Además, el problema de optimización del mundo real de las redes de sensores inalámbricos subterráneos para una solución eficiente de capa cruzada también se utilizó para probar la eficiencia de ENMRA. Los resultados del estudio comparativo y las pruebas estadísticas confirmaron el rendimiento eficiente del algoritmo propuesto.