Aunque propuesto hace más de medio siglo, el algoritmo de búsqueda simplex de Nelder-Mead sigue siendo ampliamente utilizado. Cuatro constantes numéricas definen las operaciones y el comportamiento del algoritmo. El algoritmo con los valores constantes originales funciona bien en la mayoría de los problemas de baja dimensión, pero no en problemas de alta dimensión. Por lo tanto, para mejorar su comportamiento en dimensiones altas, en el pasado se propusieron varios esquemas adaptativos que ajustan las constantes de acuerdo con la dimensión del problema. En este trabajo, presentamos un nuevo esquema adaptativo obtenido mediante un procedimiento de meta-optimización. Describimos un esquema candidato con ocho parámetros sujetos a meta-optimización y definimos una función objetivo que evalúa el rendimiento del candidato. El esquema se optimiza en problemas de hasta 100 dimensiones utilizando el método global de Recocido Simulado Paralelo con Evolución Diferencial. El mínimo global obtenido representa el esquema propuesto. Comparamos el rendimiento del esquema optimizado con los esquemas adaptativos existentes. Los perfiles de datos en los conjuntos de problemas de referencia Gao-Han modificado cuadrático, Moré-Garbow-Hilstrom y CUTEr (Entorno de Pruebas Constrictivas y No Constrictivas, revisado) muestran que el esquema obtenido supera a los esquemas adaptativos existentes en cuanto a precisión y velocidad de convergencia.