El algoritmo de optimización del enjambre de escarabajos (BSO) es un algoritmo de inteligencia de enjambre de alto rendimiento basado en comportamientos de escarabajos. Sin embargo, sufre de velocidades de búsqueda pobres y es propenso a la optimización local debido al tamaño de la longitud del paso. Para abordar esto más a fondo, se utiliza un mecanismo de aprendizaje basado en oposición mejorado y se propone un algoritmo de optimización del enjambre de escarabajos adaptativo con aprendizaje basado en oposición (NOBBSO) novedoso. En el algoritmo NOBBSO propuesto, el aprendizaje basado en oposición novedoso se diseña de la siguiente manera. En primer lugar, de acuerdo con las características de los algoritmos de inteligencia de enjambre, se obtiene una nueva solución opuesta para generar la solución óptima actual mediante iteraciones en la población actual. La estrategia de aprendizaje basada en oposición novedosa es fácil de converger rápidamente. En segundo lugar, se utiliza una estrategia adaptativa para hacer que los parámetros de NOBBSO sean autoadaptativos, lo que hace que los resultados tiendan a converger más fácilmente. Finalmente, se prueban 27 funciones de evaluación de competencia CEC2017 para verificar su efectividad. Los resultados completos de experimentos numéricos demuestran que el algoritmo NOBBSO ha obtenido una velocidad de convergencia más rápida y una precisión de convergencia más alta en comparación con otros competidores destacados.