El Algoritmo de Murciélagos (BA) y el Algoritmo de Colonia de Abejas Artificiales (ABC) se utilizan con frecuencia en la resolución de problemas de optimización global. Muchos algoritmos nuevos en la literatura se obtienen modificando estos algoritmos para problemas de optimización restringidos y no restringidos o utilizándolos de manera híbrida con diferentes algoritmos. Aunque se han propuesto algoritmos exitosos, la disminución del rendimiento de BA en problemas complejos y a gran escala sigue siendo un problema en curso. La capacidad de búsqueda global insuficiente de BA, resultante de su estructura algorítmica, es la causa principal de este problema. En este estudio, en primer lugar, se añadió un peso de inercia a la fórmula de velocidad para mejorar la capacidad de búsqueda de BA. Luego, se propuso un nuevo algoritmo que opera de manera híbrida con el algoritmo ABC, cuya diversidad y capacidad de búsqueda global es más fuerte que la de BA. El rendimiento del algoritmo propuesto (BA_ABC) se examinó en cuatro grupos de pruebas diferentes, que incluyen funciones de referencia clásicas, funciones de prueba de pequeña escala CEC2005, funciones de prueba de gran escala CEC2010 y problemas clásicos de diseño de ingeniería. Los resultados de BA_ABC se compararon con diferentes algoritmos en la literatura y versiones actuales de BA para cada grupo de pruebas. Los resultados se interpretaron con la ayuda de pruebas estadísticas. Además, se examinó la contribución de los algoritmos BA y ABC, que constituyen el algoritmo híbrido, a las soluciones. Se encontró que el algoritmo propuesto produce resultados exitosos y aceptables.