Para mejorar el rendimiento del algoritmo de búsqueda de gorriones en la resolución de problemas de optimización complejos, este estudio propone una nueva variante llamada Algoritmo de Búsqueda de Gorriones Basado en la Búsqueda de Antenas de Escarabajo Mejorada (IBSSA). Se propone una nueva estrategia de aprendizaje opuesto dinámico de élite en la etapa de inicialización de población para mejorar la diversidad de la población. En la etapa de actualización del descubridor, se utiliza un mecanismo de guía de peso de inercia escalonado para mejorar la fórmula de actualización del descubridor, promover el intercambio de información entre individuos y mejorar la capacidad del algoritmo para optimizar a nivel global. Después de que se actualiza la posición del seguidor, se introduce una estrategia de aprendizaje basada en la oposición de espiral logarítmica para perturbar la posición inicial del individuo en el algoritmo de búsqueda de antenas de escarabajo y obtener una solución más intencional. Para abordar el problema de la disminución de la diversidad y la susceptibilidad a los óptimos locales en la población de gorriones durante etapas posteriores, se combinan el algoritmo de búsqueda de antenas de escarabajo mejorado y el algoritmo de búsqueda de gorriones utilizando una estrategia codiciosa. Esta integración tiene como objetivo mejorar la precisión de la convergencia. En 20 funciones de prueba de referencia y en la suite de pruebas CEC2017, IBSSA tuvo un mejor rendimiento que otros algoritmos avanzados. Además, se utilizaron seis problemas de optimización de ingeniería para demostrar la efectividad y viabilidad del algoritmo mejorado.