En un esfuerzo por superar los problemas de la lenta convergencia y la tendencia a establecerse en una solución óptima local de los algoritmos de optimización típicos, se propone una técnica mejorada de optimización del chacal dorado. Inicialmente, se mejora el mecanismo de desarrollo para actualizar la ubicación de la presa, abordando la limitación de depender solo de la búsqueda local en las etapas posteriores del algoritmo. Esto garantiza un enfoque más equilibrado tanto para el desarrollo algorítmico como para la exploración. Además, incorporar el instinto de evadir a los depredadores naturales mejora tanto la efectividad como la precisión del proceso de optimización. Luego, la cruza-mutación mejora la variedad de la población y facilita escapar de los óptimos locales. Finalmente, se implementa la estrategia de la barra transversal para cambiar tanto las soluciones óptimas individuales como globales de la población. Esta técnica tiene como objetivo disminuir los puntos ciegos, mejorar la variedad de la población, mejorar la precisión de la solución y acelerar la velocidad de convergencia. Se emplean un total de 20 funciones de referencia con el fin de comparar diferentes técnicas. El rendimiento del algoritmo mejorado se evalúa utilizando la función de prueba CEC2017, y los resultados se evalúan mediante la prueba de suma de rangos. En última instancia, se llevan a cabo tres experimentos de simulación de ingeniería práctica convencional para evaluar la idoneidad de IWKGJO para problemas de ingeniería. Los resultados obtenidos demuestran los efectos beneficiosos de la metodología alterada e ilustran que el algoritmo de optimización del chacal dorado expandido tiene una precisión de convergencia superior y una tasa de convergencia más rápida.