Los algoritmos metaheurísticos son ampliamente utilizados en problemas de ingeniería debido a su alta eficiencia y simplicidad. Sin embargo, los desafíos de ingeniería a menudo involucran múltiples variables de control, lo que presenta obstáculos significativos para los algoritmos metaheurísticos. El Optimizador de Puercoespín Crestado (CPO) es un algoritmo metaheurístico diseñado para abordar problemas de ingeniería, pero enfrenta problemas como caer en un óptimo local. Para abordar estas limitaciones, este artículo propone tres nuevas estrategias: estrategia de mutación Cauchy compuesta, estrategia de ajuste dinámico adaptativo y estrategia de mutación de población. Las tres estrategias propuestas se introducen en CPO para mejorar sus capacidades de optimización. En tres conjuntos de pruebas bien conocidos, el CPO mejorado (CAPCPO) supera a 11 algoritmos metaheurísticos. Finalmente, experimentos comparativos en siete problemas de optimización de ingeniería del mundo real demuestran las ventajas y el potencial de CAPCPO para resolver problemas complejos. Los resultados experimentales multifacéticos indican que CAPCPO logra consistentemente soluciones superiores en la mayoría de los casos.