La evaluación comparativa de diferentes algoritmos de optimización es una tarea complicada, particularmente para sistemas de comunicación celular basados en redes. El proceso de diseño y gestión de estos sistemas implica muchas variables estocásticas y parámetros de diseño complejos que exigen una estimación y análisis imparcial. Aunque existen varios algoritmos de optimización para diferentes modelados paramétricos y ajustes, una evaluación en profundidad de su rendimiento funcional no se ha abordado adecuadamente, especialmente para sistemas de comunicación celular. En primer lugar, en este documento, se han evaluado nueve algoritmos de optimización numéricos y globales clave, que comprenden Gauss-Newton (GN), descenso de gradiente (GD), Algoritmo Genético (GA), Levenberg-Marquardt (LM), Quasi-Newton (QN), Trust-Region-Dog-Leg (TR), búsqueda de patrones (PAS), Recocido Simulado (SA) y enjambre de partículas (PS), contra datos medidos. Los datos experimentales se tomaron de diferentes terrenos de propagación de señales de radio alrededor de cuatro celdas eNodeB. Con el fin de ayudar al ingeniero de radiofrecuencia (RF) a seleccionar el método de optimización más adecuado para el ajuste del modelo paramétrico, se emplearon tres criterios de evaluación comparativa que comprenden el Perfil de Precisión de Evaluación (APB), el Benchmark de Evaluación de Funciones (FEB) y el Benchmark de Velocidad de Ejecución (ESB). El APB y el FEB se compararon cuantitativamente con los datos medidos para una evaluación justa. Aprovechando los criterios de rendimiento del APB, el QN logró los mejores resultados con los valores preferidos de 98.34, 97.31, 97.44 y 96.65% en las ubicaciones 1-4. El GD alcanzó el peor rendimiento con los valores de APE más bajos de 98.25, 95.45, 96.10 y 95.70 en las ubicaciones probadas. En términos de valores de función objetivo y su conteo de evaluación, el algoritmo QN muestra el menor conteo de funciones de 44, 44, 56 y 44, y los valores objetivos más bajos de 80.85, 37.77, 54.69 y 41.24, logrando así los mejores resultados de algoritmo de optimización en las ubicaciones del estudio. El peor rendimiento fue alcanzado por el GD con valores objetivos de 86.45, 39.58, 76.66 y 54.27, respectivamente. Aunque los valores objetivos logrados con métodos de optimización global, PAS, GA, PS y SA, son relativamente pequeños en comparación con el QN, sus conteos de evaluación de funciones son altos. El PAS, GA, PS y SA registraron 1367, 2550, 3450 y 2818 conteos de evaluación de funciones, que son relativamente altos. En general, el algoritmo QN logra la mejor optimización y puede servir como referencia para los ingenieros de RF en la selección de métodos de optimización adecuados para el modelado de propagación y el ajuste paramétrico.