La optimización por enjambre de partículas (PSO), un importante método de resolución en el campo de la inteligencia de enjambre, es reconocida como una de las metaheurísticas más efectivas para abordar problemas de optimización. Muchas estrategias adaptativas han sido desarrolladas para mejorar el rendimiento de PSO. A pesar de estos avances, un problema clave radica en definir los criterios de configuración del algoritmo adaptativo. Este estudio presenta una variante adaptativa de PSO que se basa en el análisis del paisaje de aptitud, particularmente a través de la estimación del factor de rugosidad. Nuestro enfoque implica actualizar de forma adaptativa los factores cognitivos y de aceleración en función de la estimación del factor de rugosidad utilizando un método basado en aprendizaje automático y de manera determinista. Los probamos en funciones de optimización global y en el problema de selección de características. El método propuesto arroja resultados alentadores, superando al PSO nativo en casi todas las instancias y manteniéndose competitivo con métodos de vanguardia.