Al enfrentar ciertos problemas en ciencia, ingeniería o tecnología, no es suficiente encontrar una solución, sino que es esencial buscar y encontrar la mejor solución posible a través de la optimización. En muchos casos, los procedimientos de optimización exactos no son aplicables debido a la gran complejidad computacional de los problemas. Como alternativa a la optimización exacta, existen algoritmos de optimización aproximada, cuyo propósito es reducir la complejidad computacional podando algunas áreas del espacio de búsqueda del problema. Para lograr esto, los investigadores se han inspirado en la naturaleza, ya que los animales y las plantas tienden a optimizar muchos de sus procesos vitales. El propósito de esta investigación es diseñar un nuevo algoritmo bioinspirado para la optimización numérica: el algoritmo de Optimización del Ajolote Mexicano. La efectividad de nuestra propuesta se comparó con nueve algoritmos de optimización (colonia artificial de abejas, búsqueda del cuco, algoritmo de libélula, evolución diferencial, algoritmo de luciérnagas, optimizador dependiente de la aptitud, algoritmo de optimización de ballenas, optimización de mariposa monarca y algoritmo de moho) cuando se aplicaron sobre cuatro conjuntos de funciones de referencia (unimodales, multimodales, compuestas y de competencia). El análisis estadístico muestra la capacidad del algoritmo de Optimización del Ajolote Mexicano de obtener muy buenos resultados de optimización en todos los experimentos, excepto para las funciones compuestas, donde el algoritmo de Optimización del Ajolote Mexicano muestra un rendimiento promedio.