El algoritmo de optimización del lobo gris (GWO) es un nuevo algoritmo metaheurístico inspirado en la naturaleza, inspirado en la jerarquía social y el comportamiento de caza de los lobos grises. En este documento, el algoritmo GWO se mejora para superar las deficiencias anteriores de quedar atrapado fácilmente en óptimos locales y tener una baja tasa de convergencia. La mejora propuesta del algoritmo GWO utiliza un mapeo doble logístico-tienda para generar poblaciones inicializadas, lo que mejora su capacidad de búsqueda global y tasa de convergencia. Esta mejora se llama algoritmo de optimización del lobo gris caótico no lineal (NCGWO). El rendimiento del algoritmo NCGWO se evaluó con cuatro funciones de referencia representativas. Luego, el algoritmo NCGWO se aplicó para realizar una síntesis de patrones óptimos de antenas de matriz lineal (LAAs) utilizando dos enfoques distintos: optimizar las amplitudes de las corrientes de la antena mientras se conserva el espaciado uniforme y optimizar las posiciones de las antenas asumiendo una excitación uniforme. Para validar la efectividad del enfoque propuesto, se compararon los resultados obtenidos por el algoritmo NCGWO con los obtenidos por otros algoritmos inteligentes. Además, el algoritmo NCGWO se aplicó a una matriz de antenas planas más compleja para validar aún más su rendimiento. Nuestros resultados demuestran que el algoritmo NCGWO exhibe un rendimiento superior en problemas de optimización electromagnética en comparación con algoritmos ampliamente reconocidos.