La optimización basada en tormentas cerebrales (BSO), que es un algoritmo de optimización basado en poblaciones, muestra un pobre rendimiento de búsqueda, convergencia prematura y una alta probabilidad de caer en óptimos locales. Para abordar estos problemas, desarrollamos el algoritmo BSO basado en mecanismos adaptativos (ABSO) basado en la búsqueda local caótica en este estudio. El ajuste del espacio de búsqueda utilizando el método de búsqueda local basado en un mecanismo adaptativo de autoescalado equilibra la búsqueda global y el rendimiento de desarrollo local del algoritmo ABSO, previniendo efectivamente que el algoritmo caiga en óptimos locales y mejorando su precisión de convergencia. Para verificar la estabilidad y efectividad del algoritmo ABSO propuesto, se probó el rendimiento utilizando 29 funciones de prueba de referencia, y se compararon la media y la desviación estándar con las de otros cinco algoritmos de optimización. Los resultados mostraron que ABSO supera a los otros algoritmos en términos de estabilidad y precisión de convergencia. Además, el rendimiento de ABSO se verificó aún más a través de una prueba estadística no paramétrica.