Este trabajo presenta un algoritmo metaheurístico novedoso y práctico, el algoritmo de Movilidad Social tipo Gas (GSM), diseñado para la optimización y segmentación de umbral de imágenes. Inspirado en un modelo determinista que replica comportamientos sociales utilizando partículas tipo gas, GSM se caracteriza por su simplicidad, requisitos mínimos de parámetros y dinámicas sociales emergentes. Estas dinámicas incluyen: (1) atracción entre partículas similares, (2) formación de grupos de partículas estables, (3) división de grupos al alcanzar un tamaño crítico, (4) interacciones entre grupos que influyen en la distribución de partículas durante el proceso de búsqueda, y (5) cambios de estado interno en las partículas impulsados por interacciones locales. La versatilidad del modelo, incluida la monitorización entre grupos y la adaptabilidad a interacciones ambientales, lo convierte en una herramienta poderosa para explorar diversos escenarios. GSM se evalúa rigurosamente frente a algoritmos metaheurísticos establecidos y recientes, incluidos Optimización por Enjambre de Partículas (PSO), Evolución Diferencial (DE), Algoritmo de Murciélago (BA), Colonia Artificial de Abejas (ABC), Algoritmo de Colibrí Artificial (AHA), AHA con Optimización de Águila (AHA-AO), Optimización de Cuerpos en Colisión (CBO), CBO Mejorado (ECBO) y Búsqueda de Redes Sociales (SNS). El rendimiento se evalúa utilizando 22 funciones de referencia, demostrando la competitividad de GSM. Además, se destaca la eficiencia de GSM en la segmentación de umbral de imágenes, ya que logra resultados de alta calidad con menos iteraciones y partículas en comparación con otros métodos.