El ajuste de controladores de orden fraccional proporcional-integral-derivativo (FOPID) para sistemas reguladores de voltaje automáticos (AVR) presenta un desafío complejo, que requiere la solución de ecuaciones integrales y diferenciales de orden real. Este estudio introduce el Algoritmo Pulpo Dumbo (DOA), una metaheurística innovadora inspirada en el aprendizaje automático con comportamientos animales, como un enfoque innovador para abordar este problema. Por primera vez, se inventa y se emplea el DOA para optimizar parámetros FOPID, y su rendimiento se evalúa rigurosamente contra 11 algoritmos metaheurísticos existentes utilizando 23 funciones de referencia clásicas y conjuntos de pruebas CEC2019. La evaluación incluye un análisis cuantitativo y cualitativo exhaustivo. La significancia estadística se evaluó utilizando la prueba de Friedman, destacando el rendimiento superior del DOA en comparación con algoritmos competidores. Para validar aún más su efectividad, el DOA se aplicó al ajuste de parámetros FOPID de un sistema AVR, demostrando un rendimiento excepcional en aplicaciones de ingeniería prácticas. Los resultados indican que el DOA supera a otros algoritmos en términos de precisión de convergencia, robustez y capacidad práctica para resolver problemas. Esto establece al DOA como una solución superior y prometedora para problemas de optimización complejos, ofreciendo avances significativos en el ajuste de FOPID para sistemas AVR.