Esse trabalho avalia o desempenho de um algoritmo baseado no comportamento de uma colônia de abelhas (Artificial Bee Colony-ABC) em busca de alimento aplicado ao problema de otimização global para minimização de funções. O conjunto de funções de teste utilizadas possuem dimensões e limites no espaço de busca distintos, de forma a testar o comportamento do ABC implantado aplicado a diferentes cenários. O critério de parada estabelecido para o algoritmo foi pelo número de iterações, dependendo da dimensão do problema, onde para as funções de pequena dimensionalidade utilizamos 3000 iterações e para as de alta dimensionalidade utilizamos 5000 iterações. Nossos resultados mostram que as funções com pequena dimensionalidade e um pequeno espaço de busca o ABC encontrou soluções que podem ser consideradas ótimas por serem valores muito próximos de zero, abaixo de 10E-12. Para essas funções o ABC conseguiu convergir rapidamente para o mínimo, na ordem de 10E2 iterações. Para as funções de alta dimensionalidade o ABC não conseguiu ser tão eficiente quando comparado com as funções de pequena dimensionalidade. Sendo que para as funções de alta dimensionalidade o algoritmo não conseguiu convergir para uma solução que possa ser considerada ótima. Logo, concluímos que para funções de alta dimensionalidade é necessário um número maior de iterações para que o algoritmo consiga convergir para uma boa solução. Porém, torna-se difícil delimitar o número de iterações necessárias. Logo, é necessário a implementação de um outro critério de parada do algoritmo, baseado na qualidade das soluções encontradas.