La agrupación de textos es una de las técnicas eficientes de aprendizaje no supervisado utilizadas para dividir una gran cantidad de documentos de texto en un subconjunto de grupos. En los cuales, cada grupo contiene documentos similares y los grupos contienen documentos de texto disímiles. Los algoritmos de optimización inspirados en la naturaleza han sido utilizados con éxito para resolver diversos problemas de optimización, incluidos los problemas de agrupación de documentos de texto. En este artículo, se presenta una revisión exhaustiva para mostrar los algoritmos inspirados en la naturaleza más relacionados que se han utilizado para resolver el problema de agrupación de textos. Además, se realizan y analizan experimentos exhaustivos para mostrar el rendimiento de los comunes y conocidos algoritmos de optimización inspirados en la naturaleza en la resolución de problemas de agrupación de documentos de texto, incluido el algoritmo Harmony Search (HS), Algoritmo Genético (GA), Algoritmo de Optimización de Enjambre de Partículas (PSO), Algoritmo de Optimización de Colonias de Hormigas (ACO), Algoritmo de Manada de Krill (KHA), Algoritmo de Búsqueda del Cucú (CS), Optimizador de Lobo Gris (GWO) y Algoritmo Inspirado en Murciélagos (BA). Se utilizan siete conjuntos de datos de referencia de texto para validar el rendimiento de los algoritmos probados. Los resultados mostraron que el rendimiento de los conocidos algoritmos de optimización inspirados en la naturaleza es casi el mismo con ligeras diferencias. Con fines de mejora, se pueden proponer y probar nuevas versiones modificadas de los algoritmos probados para abordar los problemas de agrupación de textos.