El rápido avance de la tecnología inteligente ha llevado al desarrollo de algoritmos de optimización que aprovechan los comportamientos naturales para abordar problemas complejos. Entre estos, el Optimizador de Enjambre de Ratas (RSO), inspirado en las características sociales y de comportamiento de las ratas, ha demostrado potencial en varios dominios, aunque su precisión de convergencia y capacidades de exploración son limitadas. Para abordar estas deficiencias, este estudio presenta el Optimizador de Enjambre de Ratas Modificado (MRSO), diseñado para mejorar el equilibrio entre exploración y explotación. El MRSO incorpora modificaciones únicas para mejorar la eficiencia y robustez de la búsqueda, haciéndolo adecuado para problemas de ingeniería desafiantes como el Diseño de Viga Soldada, Recipiente a Presión y Tren de Engranajes. Las extensas pruebas con funciones de referencia clásicas muestran que el MRSO mejora significativamente el rendimiento, evitando óptimos locales y logrando una mayor precisión en seis de nueve funciones multimodales y en las siete funciones multimodales de dimensión fija. En las pruebas CEC 2019, el MRSO supera al RSO estándar en seis de diez funciones, demostrando capacidades de búsqueda global superiores. Cuando se aplica a problemas de diseño de ingeniería, el MRSO ofrece consistentemente mejores resultados promedio que el RSO, demostrando su efectividad. Además, comparamos nuestro enfoque con ocho algoritmos recientes y conocidos utilizando funciones de referencia clásicas y CEC-2019. El MRSO superó a cada uno de estos algoritmos, logrando resultados superiores en seis de 23 funciones de referencia clásicas y en cuatro de diez funciones de referencia CEC-2019. Estos resultados demuestran aún más las contribuciones significativas del MRSO como una herramienta confiable y eficiente para tareas de optimización en aplicaciones de ingeniería.