El algoritmo de transición de estado (STA) es un método metaheurístico para la optimización global. Sin embargo, debido a la utilización insuficiente de la información histórica, todavía sufre de una velocidad de convergencia lenta y una baja precisión de solución en problemas específicos en etapas posteriores. Este artículo propone un STA híbrido basado en la búsqueda de simplex de Nelder-Mead (NM) e interpolación cuadrática (QI). En la etapa de exploración, la búsqueda de simplex NM utiliza la información histórica de STA para generar soluciones prometedoras. En la etapa de explotación, QI utiliza la información histórica para mejorar la capacidad de búsqueda local. El método propuesto utiliza una estrategia de águila para maximizar la eficiencia y estabilidad. El método propuesto combina con éxito los méritos de los tres enfoques distintos: la potente capacidad de exploración de STA, la rápida velocidad de convergencia de la búsqueda de simplex NM y la sólida capacidad de explotación de QI. El STA híbrido se evalúa utilizando 15 funciones de referencia con dimensiones de 20, 30, 50 y 100. Además, los resultados se analizan estadísticamente utilizando la prueba de suma de rangos con signo de Wilcoxon. Además, la aplicabilidad del STA híbrido para resolver problemas del mundo real se evalúa utilizando el problema de localización de redes de sensores inalámbricos. En comparación con seis métodos metaheurísticos de vanguardia, los resultados experimentales demuestran la superioridad y efectividad del método propuesto.