Este documento propone un nuevo Algoritmo de Optimización de Mangosta Enana Mejorado (EDMOA) con una Estrategia de Aprendizaje (LS) dirigida por alfa para hacer frente a diferentes funciones de referencia matemáticas y desafíos de ingeniería. El concepto central de DMOA está inspirado en el comportamiento de búsqueda de alimento de la mangosta enana. El algoritmo sugerido emplea tres categorías sociales de DM: el grupo alfa, los canguros y los exploradores. La familia busca alimento en equipo, con la hembra alfa iniciando la búsqueda de alimento y determinando el curso de búsqueda, la distancia recorrida y los montículos para dormir. Un LS mejorado se incluye en el algoritmo propuesto para mejorar las capacidades de búsqueda, y su proceso de actualización está parcialmente guiado por el alfa actualizado. En este documento, el EDMOA y DMOA propuestos se probaron en siete tareas de referencia unimodales y seis multimodales. Además, el EDMOA propuesto se comparó con el DMOA tradicional para las pruebas de optimización de objetivo único CEC 2017. Además, se realizó una validación de su aplicación para un importante problema de optimización de ingeniería relacionado con la distribución óptima de energía y calor combinados. Para todas las aplicaciones, el EDMOA y DMOA propuestos se compararon con varios algoritmos recientes y conocidos. Los resultados de la simulación muestran que el DMOA sugerido supera no solo al DMOA regular, sino también a numerosas otras estrategias recientes en términos de eficacia y eficacia.