Los algoritmos metaheurísticos son técnicas computacionales basadas en el comportamiento colectivo de enjambres y el estudio de organismos que actúan en comunidades. Estos algoritmos involucran diferentes tipos de organismos. Encontrar valores de controlador para sistemas no lineales es una tarea desafiante utilizando enfoques clásicos. Por lo tanto, utilizar metaheurísticas para encontrar los valores del controlador de un sistema no lineal de doble rotor de entrada múltiple y salida múltiple (TRMS), uno de los sistemas no lineales estudiados en la literatura, parece ser más apropiado que utilizar métodos clásicos. En este estudio, se utilizaron diferentes tipos de algoritmos metaheurísticos para encontrar los valores del controlador PID para un TRMS, incluyendo un algoritmo genético (GA), un algoritmo de libélula, un algoritmo de cuco, un algoritmo de optimización por enjambre de partículas (PSO) y un algoritmo de optimización de coronavirus (COVIDOA). Los gráficos obtenidos fueron analizados en función de ciertos criterios para los ángulos del rotor principal y del rotor de cola para alcanzar el valor de referencia en el TRMS. Los resultados experimentales muestran que al comparar los tiempos de subida y de establecimiento del TRMS en términos de rendimiento, el GA tardó 1.5040 s (segundos) y el COVIDOA tardó 9.59 s en aumentar el ángulo de paso al valor de referencia, siendo que el GA tardó 0.7845 s y el COVIDOA tardó 2.4950 s en aumentar el ángulo de guiñada al valor de referencia. Para el tiempo de establecimiento, el GA tardó 11.67 s y el COVIDOA tardó 28.01 s para el ángulo de paso, mientras que el GA tardó 14.97 s y el COVIDOA tardó 26.69 s para el ángulo de guiñada. Con estos valores, el GA y el COVIDOA emergen como los algoritmos más destacados en este contexto.