Existen muchos problemas de optimización en las diferentes disciplinas de la ciencia que deben resolverse utilizando el método apropiado. Los algoritmos de optimización basados en poblaciones son una de las formas más eficientes de resolver diversos problemas de optimización. Los algoritmos de optimización basados en poblaciones pueden proporcionar soluciones apropiadas a problemas de optimización basadas en una búsqueda aleatoria del espacio de resolución del problema sin necesidad de información de gradiente y derivada. En este documento se presenta un nuevo algoritmo de optimización llamado Optimizador Basado en la Media de Grupo (GMBO); puede aplicarse para resolver problemas de optimización en varios campos de la ciencia. La idea principal en el diseño del GMBO es utilizar de manera más efectiva la información de diferentes miembros de la población del algoritmo basada en dos grupos seleccionados, con los títulos de grupo bueno y grupo malo. Se obtienen dos nuevos miembros compuestos promediando cada uno de estos grupos, que se utilizan para actualizar los miembros de la población. Se describen las diversas etapas del GMBO y se modelan matemáticamente con el objetivo de utilizarse para resolver problemas de optimización. El rendimiento del GMBO al proporcionar una solución cuasi-óptima adecuada en un conjunto de 23 funciones objetivo estándar de diferentes tipos unimodales, multimodales de alta dimensión y multimodales de dimensión fija es evaluado. Además, los resultados de optimización obtenidos del GMBO propuesto se compararon con otros ocho algoritmos de optimización ampliamente utilizados, incluido el Algoritmo de Depredadores Marinos (MPA), el Algoritmo de Enjambre de Tunícados (TSA), el Algoritmo de Optimización de Ballenas (WOA), el Optimizador de Lobos Grises (GWO), la Optimización Basada en Enseñanza-Aprendizaje (TLBO), el Algoritmo de Búsqueda Gravitacional (GSA), la Optimización por Enjambre de Partículas (PSO) y el Algoritmo Genético (GA). Los resultados de optimización indicaron el rendimiento aceptable del GMBO propuesto y, basándose en el análisis y comparación de los resultados, se determinó que el GMBO es superior y mucho más competitivo que los otros ocho algoritmos.