En el diseño de circuitos moderno, el problema de cortocircuito es uno de los factores clave que afecta a la enrutabilidad. Con la continua reducción en tamaños de características, el problema de cortocircuito crece significativamente en el enrutamiento detallado. La asignación de pistas, como una fase intermedia crucial entre el enrutamiento global y el enrutamiento detallado, juega un papel vital en el preprocesamiento del problema de cortocircuito. Sin embargo, los algoritmos de asignación de pistas existentes enfrentan el desafío de caer fácilmente en la optimalidad local. Como técnica típica de inteligencia de enjambre, la optimización por enjambre de partículas (PSO) es una herramienta poderosa con una excelente capacidad de optimización para resolver problemas a gran escala. Para abordar el problema anterior, proponemos un algoritmo de asignación de pistas efectivo basado en la optimización de enjambre de partículas discretas de aprendizaje social (SLDPSO-TA). Primero, se propone un modelo de cable efectivo que considera las redes locales. Al considerar la distribución de pines de las redes locales, este modelo extrae y asigna más segmentos para aprovechar completamente el papel de la asignación de pistas. En segundo lugar, se emplea una estrategia de codificación entera para garantizar que las partículas dentro del rango del espacio de codificación correspondan uno a uno con el esquema de asignación, ampliando efectivamente el espacio de búsqueda. En tercer lugar, se introduce un modo de aprendizaje social basado en el grupo de ejemplos en PSO, que está compuesto por otras partículas que son superiores a la partícula actual. Al aprender de varios objetos en el grupo de ejemplos, se mejora la diversidad de la población. En cuarto lugar, se utiliza una estrategia de refinamiento basada en la negociación para reducir aún más la superposición. Esta estrategia transfiere y redistribuye inteligentemente segmentos de cable en áreas congestionadas para reducir la congestión en todo el panel de enrutamiento. Los resultados experimentales en múltiples referencias demuestran que el SLDPSO-TA propuesto puede lograr la mejor optimización del costo de superposición entre todos los métodos existentes, reduciendo efectivamente la congestión en áreas críticas de enrutamiento.