Este documento propone un algoritmo híbrido de optimización de ballenas (WOA) que se deriva del algoritmo de optimización de ballenas basado en intercambio genético y térmico (GWOA-TEO) para mejorar la capacidad de optimización global. Primero, se genera una población inicial de alta calidad para mejorar el rendimiento de GWOA-TEO. Luego, se aplica la optimización de intercambio térmico (TEO) para mejorar el rendimiento de explotación. A continuación, se considera una memoria que puede almacenar las mejores soluciones históricas hasta el momento, logrando un mayor rendimiento sin agregar costos computacionales adicionales. Finalmente, se proponen un operador de cruce basado en la memoria y un mecanismo de actualización de posición de la solución líder basado en la memoria para mejorar el rendimiento de exploración. El algoritmo GWOA-TEO se compara luego con cinco algoritmos de optimización de vanguardia en funciones de prueba de referencia CEC 2017 y 8 conjuntos de datos del repositorio UCI. Los resultados estadísticos de las funciones de prueba de referencia CEC 2017 muestran que el algoritmo GWOA-TEO tiene una buena precisión para la optimización global. Los resultados de clasificación de los 8 conjuntos de datos del repositorio UCI también muestran que el algoritmo GWOA-TEO tiene resultados competitivos en cuanto a la tasa de reconocimiento en comparación con los algoritmos de referencia. Por lo tanto, se demuestra que el algoritmo propuesto tiene un excelente rendimiento en la resolución de problemas de optimización.