Este documento presenta trabajos numéricos sobre la estimación de algunos modelos logísticos utilizando la optimización por enjambre de partículas (PSO). Los modelos considerados son el modelo de Verhulst, el modelo de generalización de Pearl y Reed, el modelo de von Bertalanffy, el modelo de Richards, el modelo de Gompertz, el modelo hiper-Gompertz, el modelo de Blumberg, el modelo de Turner et al. y el modelo de Tsoularis. Empleamos datos sobre activos bancarios comerciales y rurales en Indonesia debido a su tendencia a corresponder con el crecimiento logístico. La mayoría de las previsiones de activos bancarios utilizan métodos estadísticos que se concentran únicamente en la previsión de datos a corto plazo. En las previsiones de activos bancarios, rara vez se emplean modelos deterministas, a pesar de su capacidad para predecir el comportamiento de los datos durante un período prolongado. En consecuencia, este documento emplea la previsión de modelos logísticos. Para mejorar la velocidad de ejecución del algoritmo, utilizamos el criterio de Cauchy como uno de los criterios de parada. Para elegir el mejor modelo de los nueve modelos, analizamos varias consideraciones como el error porcentual absoluto medio, el error cuadrático medio y el valor de la capacidad de carga para determinar qué modelos pueden ser deseleccionados. En consecuencia, obtenemos el modelo mejor ajustado para cada banco comercial y rural. Evaluamos el rendimiento de PSO frente a otro algoritmo metaheurístico conocido como optimización en espiral con fines de referencia. Evaluamos la robustez del algoritmo empleando el método Taguchi. En última instancia, presentamos un nuevo modelo logístico que es una generalización del modelo de existencia. Evaluamos sus parámetros y comparamos el resultado con el mejor modelo obtenido.