En escenarios del mundo real, identificar el número óptimo de clústeres en un conjunto de datos es una tarea difícil debido a la falta de conocimiento suficiente. Por lo tanto, la indispensabilidad de algoritmos de agrupamiento automático sofisticados con este propósito ha sido contemplada por algunos investigadores. Varios algoritmos de agrupamiento automático asistidos por metaheurísticas inspiradas en la mecánica cuántica han sido desarrollados en los últimos años. Sin embargo, la literatura carece de documentación definitiva sobre los algoritmos metaheurísticos inspirados en la mecánica cuántica más avanzados para el agrupamiento automático de conjuntos de datos. Este artículo presenta una breve descripción del proceso de agrupamiento automático para establecer la importancia de automatizar dicho proceso. También se presentan los conceptos fundamentales del paradigma de la computación cuántica para resaltar la utilidad de los algoritmos inspirados en la mecánica cuántica. Este artículo analiza a fondo algunos algoritmos empleados para abordar el agrupamiento automático de diversos conjuntos de datos. Los algoritmos revisados fueron clasificados según sus principales fuentes de inspiración. Además, se seleccionaron algunos trabajos representativos de cada clasificación de entre los trabajos existentes. Treinta y seis algoritmos destacados de este tipo fueron analizados críticamente en función de sus objetivos, mecanismos utilizados, especificaciones de datos, méritos y deméritos. También se presentan resultados comparativos basados en el rendimiento y el tiempo computacional óptimo para analizar críticamente los algoritmos revisados. Por tanto, este artículo promete ofrecer un análisis detallado de los algoritmos metaheurísticos inspirados en la mecánica cuántica más avanzados, destacando sus méritos y deméritos.