En este documento, estudiamos la computación de inteligencia de enjambre para problemas de optimización restringidos y proponemos un nuevo algoritmo híbrido PSO-DE basado en reglas de viabilidad. Estableciendo reglas de viabilidad individuales como una forma de determinar si la posición de un individuo satisface la restricción o viola el grado de la restricción, lo que determinará la elección de la posición óptima individual y la posición óptima global en la población de partículas. Primero, la optimización por enjambre de partículas (PSO) se utiliza para actuar sobre el 50% superior de los individuos con un mayor grado de violación de la restricción para actualizar su velocidad y posición. En segundo lugar, se aplica la Evolución Diferencial (DE) para actuar sobre la posición óptima individual de cada individuo para formar una nueva población. La posición óptima individual actual y la posición óptima global se actualizan utilizando las reglas de viabilidad, formando así un algoritmo inteligente híbrido PSO-DE. Analizando la convergencia y complejidad de PSO-DE. Finalmente, se prueba el rendimiento del algoritmo PSO-DE con 12 funciones de referencia de optimización restringida y 57 problemas de optimización de ingeniería, los resultados numéricos muestran que el algoritmo propuesto tiene buena precisión, efectividad y robustez.