Este estudio examina estrategias dirigidas a mejorar los procedimientos de búsqueda en dominios multimodales y de baja dimensionalidad. Aquí, se refiere a un máximo de cinco dimensiones. El análisis actual ensambla estrategias para formar un algoritmo llamado S-EPSO, que, en su núcleo, localiza y mantiene múltiples óptimos sin depender de parámetros de nicho externos, en cambio, adaptando esta funcionalidad internamente. La primera estrategia propuesta asigna personalidades socioemocionales a las partículas que forman el enjambre. El análisis también introduce una técnica para ayudarlas a visitar zonas aisladas. Asigna las partículas de la distribución inicial a subdominios basados en decisiones sesgadas. Los sesgos reflejan el potencial del subdominio para contener óptimos. Este potencial se establece a partir de una combinación equilibrada de los descriptores de irregularidad y el intervalo medio promedio desarrollados en el estudio. El estudio compara el rendimiento de S-EPSO con el de algoritmos de vanguardia sobre diecisiete funciones del banco de pruebas CEC, y se revela que S-EPSO es altamente competitivo. Superó a los algoritmos de referencia 14 veces, mientras que el mejor de estos últimos superó a los otros dos 10 veces de 30 evaluaciones relevantes. S-EPSO se desempeñó mejor con las funciones más desafiantes de 5D del banco de pruebas. Estos resultados ilustran claramente el potencial de S-EPSO cuando se trata de enfrentar problemas de optimización de ingeniería práctica limitados a cinco dimensiones.