La optimización de problemas de diseño de ingeniería complejos es altamente desafiante debido a la consideración de diversas variables de diseño. Para obtener soluciones cercanas a lo óptimo aceptables dentro de un tiempo de computación razonable, se pueden emplear metaheurísticas para tales problemas. Sin embargo, se desarrollan y mejoran constantemente una gran cantidad de nuevos algoritmos metaheurísticos, por lo que es importante evaluar la aplicabilidad de las nuevas estrategias de optimización y comparar su rendimiento utilizando problemas de diseño de ingeniería del mundo real. Por lo tanto, en este artículo, se aplican ocho algoritmos de optimización metaheurística basados en poblaciones recientes: Algoritmo de Optimización de Buitres Africanos (AVOA), Algoritmo de Estructura Cristalina (CryStAl), Optimización Basada en Comportamiento Humano (HBBO), Optimizador Basado en Gradientes (GBO), Optimizador de Tropas de Gorilas (GTO), optimizador de Runge-Kutta (RUN), Búsqueda en Redes Sociales (SNS) y Algoritmo de Búsqueda de Gorriones (SSA) a cinco diferentes problemas de diseño de componentes mecánicos y se compara su rendimiento en tales problemas. Los resultados muestran que el algoritmo SNS es consistente, robusto y proporciona soluciones de mejor calidad en un tiempo de computación relativamente rápido para los problemas de diseño considerados. GTO y GBO también muestran un rendimiento comparable en los problemas considerados y AVOA es el más eficiente en términos de tiempo de computación.