El algoritmo de optimización de gaviotas (SOA), una ilustración bien conocida de algoritmos inteligentes, ha despertado recientemente mucho interés académico. Sin embargo, tiene una variedad de problemas, incluyendo una convergencia más lenta, una precisión de búsqueda inferior, un único camino para la optimización, y una tendencia simple a caer en la optimalidad local. Este artículo sugiere un algoritmo de optimización de gaviotas de múltiples mecanismos (GEN-SOA) que incorpora la oposición generalizada, pesos no lineales adaptativos y restricciones de límites evolutivos para abordar aún más estos inconvenientes. Estos métodos están equilibrados y promueven la variedad de la población y la capacidad para realizar búsquedas globales y locales. En comparación con SOA, PSO, SCA, SSA y BOA en 12 funciones de prueba bien conocidas, los resultados experimentales demuestran que GEN-SOA tiene una mayor precisión y una convergencia más rápida que los otros cinco algoritmos, y puede encontrar la solución óptima global más allá del óptimo local. Además, para verificar la capacidad de GEN-SOA para resolver problemas prácticos, este artículo aplicó GEN-SOA para resolver dos problemas estándar de diseño de optimización de ingeniería, incluyendo una optimización de soldadura y una optimización de recipientes a presión, y los resultados experimentales mostraron que tiene ventajas significativas sobre SOA.