En los entornos sociales dinámicos y complejos de hoy en día, los grupos humanos colaborativos desempeñan un papel crítico en la resolución de una amplia gama de desafíos del mundo real. El proceso de resolución colectiva de problemas, que consiste en encontrar soluciones a través de la colaboración de individuos, se ha vuelto imperativo para abordar problemas científicos y técnicos. Este documento desarrolla un modelo basado en agentes para investigar la influencia de diferentes estrategias de búsqueda (búsqueda local simple, búsqueda aleatoria y búsqueda adaptativa) en el rendimiento de la resolución colectiva de problemas bajo diversas condiciones. La investigación implica simulaciones en diversos espacios de problemas y considera distintos errores de búsqueda. Los resultados muestran que la búsqueda aleatoria supera inicialmente a otras estrategias cuando los errores de búsqueda son relativamente pequeños, sin embargo, es superada por la búsqueda adaptativa a largo plazo cuando los errores de búsqueda aumentan. Una búsqueda local simple siempre tiene el peor rendimiento entre las tres estrategias. Además, los hallazgos sobre la búsqueda adaptativa revelan que la velocidad de adaptación en la búsqueda adaptativa varía según los espacios de problemas y los niveles de error de búsqueda, enfatizando la importancia de la parametrización específica del contexto en las estrategias de búsqueda adaptativa. Por último, los valores de y obtenidos a través de experimentos con sujetos humanos en la búsqueda adaptativa parecen ser una opción favorable en diversos escenarios en este trabajo de simulación, especialmente para problemas complejos que implican errores de búsqueda sustanciales. Esta investigación contribuye a una comprensión más profunda de la efectividad de las estrategias de búsqueda en entornos complejos, brindando ideas para mejorar los procesos de resolución colaborativa de problemas en aplicaciones del mundo real.