Este estudio investiga la síntesis dimensional de mecanismos de dirección para vehículos de cuatro ruedas, de dos ejes y tracción delantera, utilizando dos algoritmos de optimización metaheurística: Evolución Diferencial con razón áurea (DE-gr) y Optimización por Enjambre de Partículas Mejorada (IPSO). El vehículo en consideración tiene una relación de vía a distancia entre ejes de 0.5 y un ángulo de dirección de rueda interior de 70 grados. Los mecanismos sintetizados incluyen el mecanismo de dirección Ackermann y dos variantes (Tipo I y Tipo II) de los mecanismos de dirección de seis barras Watt-I, también conocidos como mecanismos de dirección de palanca central. Para asegurar una dirección precisa y minimizar el desgaste de los neumáticos durante las curvas, se impone el cumplimiento de la condición de dirección de Ackermann. La función objetivo combina el error estructural cuadrático medio en posiciones de dirección seleccionadas con un término de penalización por violaciones de la restricción de desigualdad de Grashoff. Cada ejecución de optimización involucró 100 o 200 iteraciones, con experimentos numéricos repetidos 100 veces para asegurar robustez. Se realizaron simulaciones cinemáticas en ADAMS v2015 para visualizar y validar los mecanismos sintetizados. El rendimiento se evaluó en función del error estructural máximo (precisión de dirección) y la ventaja mecánica (eficiencia de transmisión). Los resultados indican que los mecanismos de dirección de seis barras Watt-I optimizados superan al mecanismo de Ackermann en términos de precisión de dirección. Entre las variantes de Watt-I, los diseños Tipo II demostraron un rendimiento superior y precisión de convergencia en comparación con los diseños Tipo I, así como mejores resultados en comparación con estudios anteriores. Además, los mecanismos óptimos Tipo I-2 y Tipo II-2 consisten en dos mecanismos de Grashoff simétricos, y pueden clasificarse como mecanismos de dirección no similares a Ackermann. Ambos métodos de optimización demostraron ser fáciles de implementar y mostraron una convergencia confiable y eficiente. El algoritmo DE-gr exhibió un rendimiento general ligeramente superior, logrando soluciones óptimas en siete casos en comparación con cuatro para el método IPSO.