El principio del algoritmo de enjambre de partículas es el siguiente:
El algoritmo de optimización de enjambre de partículas (PSO) fue propuesto por los académicos estadounidenses Kennedy y otros en 1995. Este algoritmo simula la búsqueda de alimento de las aves. Algoritmo de optimización inteligente para comportamientos inteligentes grupales como el consumo de alimentos. En la naturaleza, cuando las bandadas de pájaros buscan alimento, generalmente existen comportamientos coordinados de individuos y grupos.
A veces los pájaros se alimentan por separado y otras veces se alimentan juntos. Durante cada proceso de búsqueda de alimento, habrá algunas aves con fuertes habilidades de búsqueda. Estas aves con fuertes habilidades de búsqueda transmitirán información a otras aves y las llevarán a la ubicación de la fuente de alimento.
En el algoritmo de optimización del enjambre de partículas, cada solución en el espacio objetivo puede representarse por un pájaro (partícula), y la solución requerida en el problema es la fuente de alimento que buscan las aves. En el proceso de encontrar la solución óptima, cada partícula tiene un comportamiento individual y un comportamiento grupal. Cada partícula aprenderá de la experiencia de vuelo de sus compañeras y aprovechará su propia experiencia de vuelo para encontrar la solución óptima.
Cada partícula aprenderá de dos valores, un valor es el valor óptimo histórico del individuo; el otro valor es el valor óptimo histórico del grupo (valor óptimo global). Las partículas ajustarán su velocidad y posición en función de estos dos valores, y la calidad de cada posición se determina en función del valor de aptitud. La función de aptitud es la función objetivo de optimización.