El algoritmo de colonia de abejas artificial (ABC), como un algoritmo clásico de inteligencia de enjambre, tiene ventajas como menos parámetros y lógica clara. Sin embargo, el ABC no puede equilibrar bien las etapas de exploración y desarrollo en el proceso iterativo, y es fácilmente afectado por soluciones óptimas locales en la etapa final de optimización, lo que afecta la solución óptima final. Para compensar efectivamente las deficiencias del algoritmo, se propone un algoritmo de colonia de abejas artificial de aprendizaje de vecinos basado en soluciones de permutación (CNABC). En CNABC, se propone una estrategia de aprendizaje de vecinos dinámica para mejorar la capacidad de búsqueda y la capacidad de selección óptima del algoritmo en la fase de exploración. Para resolver el problema de falta de equilibrio entre exploración y desarrollo, se utiliza la solución óptima local para guiar la actualización de la diferencia circundante. Después de completar las tres etapas del algoritmo, se introduce un mecanismo de sustitución, que reemplaza la peor solución mediante la introducción de soluciones candidatas externas como soluciones factibles, mejorando así la capacidad del algoritmo para escapar de óptimos locales. Finalmente, se realizan experimentos de algoritmos comparativos en el conjunto de pruebas CEC2022, y se comparan con el algoritmo TOP en la competencia CEC en el conjunto de pruebas CEC2022. Según los resultados experimentales, CNABC tiene una buena competitividad en el algoritmo comparativo, lo que verifica la novedad y la capacidad de optimización de CNABC.