El algoritmo de Búsqueda de Cardumen de Peces (FSS) es una metaheurística conocida por sus distintivos operadores de exploración y explotación y enfoque de representación de éxito acumulativo. A pesar de su éxito en varios dominios de problemas, el FSS presenta problemas debido a su alto número de parámetros, lo que hace que su rendimiento sea susceptible a una parametrización inadecuada. Además, la interacción entre sus operadores requiere una ejecución secuencial en un orden específico, lo que requiere dos evaluaciones de aptitud por iteración para cada individuo. La complejidad de este operador y el número de evaluaciones de aptitud plantean el problema de funciones de aptitud costosas y dificultan la paralelización. Para abordar estos desafíos, este artículo propone un algoritmo de Búsqueda de Cardumen de Peces Simplificado (SFSS) que conserva las características principales del FSS original mientras rediseña los operadores de movimiento de los peces e introduce un nuevo mecanismo de turbulencia para mejorar la diversidad de la población y la robustez contra la estancamiento. El SFSS también reduce el número de evaluaciones de aptitud por iteración y minimiza el conjunto de parámetros del algoritmo. Se realizaron experimentos computacionales utilizando un conjunto de pruebas de la competencia CEC 2017 para comparar el SFSS con el FSS tradicional y otras cinco metaheurísticas conocidas. El SFSS superó al FSS en el 84% de los problemas y logró los mejores resultados entre todos los algoritmos en 10 de los 26 problemas.