Este documento presenta un novedoso algoritmo de optimización metaheurística basado en poblaciones, llamado Algoritmo de Coagulación Sanguínea (BCA). BCA se inspira en el proceso de coagulación de la sangre en el cuerpo humano. Los conceptos e ideas subyacentes detrás del algoritmo propuesto son el comportamiento cooperativo de las plaquetas y su estrategia inteligente de formación de coágulos. Estos comportamientos se modelan y utilizan para resaltar la intensificación y diversificación en un espacio de búsqueda dado. Una comparación con varios algoritmos metaheurísticos de última generación sobre una suite de pruebas de 23 funciones de referencia reconocidas refleja la eficiencia de BCA. Se realiza una investigación exhaustiva para analizar el rendimiento, el comportamiento de convergencia y la complejidad computacional de BCA. El estudio comparativo y el análisis de pruebas estadísticas demuestran que BCA ofrece resultados muy competitivos y estadísticamente significativos en comparación con otros algoritmos metaheurísticos prominentes. Los resultados experimentales también muestran el rendimiento consistente de BCA en espacios de búsqueda de alta dimensión. Además, demostramos la aplicabilidad de BCA en aplicaciones del mundo real al resolver varios problemas de ingeniería cotidianos.