Existen algunos problemas en los algoritmos de optimización clásicos para resolver problemas de optimización multimodales y otros sistemas complejos. Se propone un algoritmo de Optimización de Hibridación Mejorada basado en Nichos Dinámicos (DNIHBO) para abordar el problema de optimización multimodal en el artículo. Al ajustar dinámicamente la escala de nicho, se aborda efectivamente el problema de la sensibilidad de los parámetros de nicho. La estructura del algoritmo incluye tres grupos distintos: mantenedor, restaurador y líneas estériles para operaciones de actualización. Sin embargo, los individuos mantenedores a menudo se estancan, lo que conlleva el riesgo de óptimos locales. Para superar esto, se incorporan estrategias de búsqueda de vecindario y mutación de élite, mejorando el equilibrio entre exploración y explotación. Para mejorar aún más la utilización individual dentro de los nichos, se introduce una estrategia de reinicio de nicho, asegurando una diversidad de población sostenida. La eficacia de DNIHBO se valida a través de simulaciones en 16 funciones de prueba multimodales, seguidas de análisis comparativos con varios algoritmos de optimización multimodales. Los resultados demuestran de manera convincente que DNIHBO no solo localiza efectivamente múltiples óptimos globales, sino que también supera consistentemente a otros algoritmos en funciones de prueba. Estos hallazgos subrayan la superioridad de DNIHBO como una solución de alto rendimiento para la optimización multimodal.