El algoritmo de optimización de tormentas cerebrales (BSO) es un algoritmo popular de inteligencia de enjambre. Una parte significativa del BSO es dividir la población en diferentes grupos con la estrategia de agrupación, y el operador de perturbación ciega se utiliza para generar descendencia. Sin embargo, este mecanismo es propenso a la convergencia prematura debido a la falta de información direccional efectiva. En este documento, se propone un algoritmo BSO mejorado basado en Nelder-Mead modificado y un mecanismo de aprendizaje de élite (BSONME) para mejorar el rendimiento del BSO. En el algoritmo BSONEM propuesto, se utiliza el método Nelder-Mead modificado para explorar la dirección evolutiva efectiva. El mecanismo de aprendizaje de élite se utiliza para guiar a la población a explotar la región prometedora, y la estrategia de reinicialización se utiliza para aliviar la estancamiento de la población causado por la homogeneización individual. Se utilizan problemas de referencia CEC2014 y dos problemas de predicción de gestión de ingeniería para evaluar el rendimiento del algoritmo BSONEM propuesto. Los resultados experimentales y los análisis estadísticos muestran que el algoritmo BSONEM propuesto es competitivo en comparación con varios algoritmos BSO mejorados populares.