El algoritmo de colonia de abejas artificial (ABC) es un famoso método de inteligencia de enjambre utilizado en diversas disciplinas debido a su robustez. Sin embargo, presenta limitaciones en los mecanismos de exploración, especialmente en paisajes de alta dimensión o complejos. Este artículo presenta la colonia de abejas artificial de exploración adaptativa (AEABC), una nueva variante que reinventa el algoritmo ABC basado en fenómenos del mundo real. AEABC incorpora nuevos parámetros y mecanismos basados en la distancia para corregir el diseño original, mejorando su robustez. El rendimiento de AEABC se evaluó frente a 33 metaheurísticas de vanguardia en veinticinco funciones de referencia y una aplicación de ingeniería. AEABC superó consistentemente a sus contrapartes, demostrando una eficiencia y precisión superiores. En un problema de tamaño variable (n = 10), el algoritmo ABC tradicional convergió a 3.086 x 10, mientras que AEABC logró una convergencia de 2.0596 x 10, destacando su rendimiento robusto. Al abordar las deficiencias del algoritmo ABC tradicional, AEABC avanza significativamente en la optimización matemática, especialmente en aplicaciones de ingeniería. Este trabajo subraya la importancia de la inspiración del algoritmo ABC tradicional en mejorar las capacidades de la inteligencia de enjambre.