La búsqueda de mejora continua en diversos procesos presenta un desafío apremiante. La precisión en la fabricación, la planificación eficiente de rutas de entrega y diagnósticos precisos son imperativos, lo que lleva a la exploración de soluciones innovadoras. Los algoritmos inspirados en la naturaleza ofrecen un camino para mejorar estos procesos. En este estudio, abordamos este desafío mediante la adaptación dinámica de parámetros en el Algoritmo de Enjambre de Aves utilizando Sistemas Difusos de Tipo-2 General, que abarcan una variedad de reglas y funciones de membresía. Dos estudios de caso complejos validan la efectividad de nuestro enfoque. El primero evalúa las funciones del Congreso de Competencia Evolutiva 2017, mientras que el segundo aborda las complejidades de las funciones del Congreso de Competencia Evolutiva 2019. Nuestra metodología logra una mejora del 97% para las funciones del Congreso de Competencia Evolutiva 2017 y una mejora significativa del 70% para las funciones del Congreso de Competencia Evolutiva 2019. Es importante destacar que nuestros resultados se comparan con el método original. Esencialmente, un riguroso análisis estadístico subraya los avances significativos facilitados por nuestro método propuesto. La comparación demuestra mejoras claras y estadísticamente significativas sobre el enfoque original. Este estudio demuestra el impacto marcado de la integración de Sistemas Difusos de Tipo-2 General en el Algoritmo de Enjambre de Aves, presentando un camino prometedor para abordar desafíos de optimización intrincados en diversos dominios.