Después de que se propuso el algoritmo de optimización basado en la enseñanza-aprendizaje (TLBO), han sido presentados muchos algoritmos mejorados en los últimos años, que simulan el fenómeno de la enseñanza-aprendizaje de un aula para resolver eficazmente problemas de optimización global. En este documento, se presenta un algoritmo de optimización basado en la enseñanza-aprendizaje con inercia no lineal cíclica ponderada (CNIWTLBO). Este algoritmo introduce un factor de inercia no lineal cíclica ponderada en el TLBO básico para controlar la tasa de memoria de los aprendices, y utiliza un factor de mutación no lineal para controlar la mutación del aprendiz de manera aleatoria durante el proceso de aprendizaje. Para demostrar el rendimiento significativo del algoritmo propuesto, se prueba en algunas funciones de referencia clásicas y se proporcionan resultados de comparación contra el TLBO básico, algunas variantes de TLBO y algunos otros algoritmos de optimización conocidos. Los resultados experimentales muestran que el algoritmo propuesto tiene una mejor capacidad de búsqueda global y una mayor precisión de búsqueda que el TLBO básico, algunas variantes de TLBO y algunos otros algoritmos, y puede escapar fácilmente del mínimo local, manteniendo al mismo tiempo una tasa de convergencia más rápida.