La tecnología Massive MIMO es reconocida como un habilitador clave para más allá de 5G (B5G) y las redes inalámbricas de próxima generación. Al utilizar matrices de antenas a gran escala en la estación base (BS), mejora significativamente tanto la capacidad del sistema como la eficiencia energética. A pesar de estas ventajas, la implementación de un alto número de antenas en la BS presenta desafíos considerables, especialmente en el diseño de detectores de señal que puedan operar con baja complejidad computacional. Aunque el detector de error cuadrático medio mínimo (MMSE) ofrece un rendimiento óptimo en estos sistemas a gran escala, sufre de la carga computacional que dificulta su implementación práctica. Para mitigar esto, se han introducido varios métodos iterativos y sus versiones mejoradas. Sin embargo, estos métodos iterativos a menudo convergen lentamente y son menos precisos. Para abordar estos desafíos, este estudio presenta una variante mejorada del método tradicional de sobrerelajación acelerada (AOR), llamada AOR optimizado (OAOR). AOR es un método de sobrerelajación, y su rendimiento depende en gran medida de sus parámetros de relajación. Para encontrar los parámetros óptimos, hemos desarrollado un enfoque innovador que integra un algoritmo metaheurístico inspirado en la naturaleza conocido como Optimización por Enjambre de Partículas (PSO). Específicamente, presentamos una nueva variante de PSO que mejora el PSO básico al mejorar los coeficientes cognitivos para optimizar los parámetros de relajación para OAOR. Estas modificaciones clave al PSO estándar mejoran su capacidad para explorar diversas soluciones de manera eficiente y ayudan a encontrar los parámetros óptimos más rápidamente para la detección de señales. Facilita el OAOR con una convergencia más rápida hacia la solución óptima al reducir la tasa de error, lo que resulta en una alta precisión de detección y al mismo tiempo disminuye la complejidad computacional, haciéndolo adecuado para los sistemas de comunicación inalámbrica modernos. Realizamos extensas simulaciones en diversas configuraciones de sistemas Massive MIMO. Los resultados indican que nuestro método propuesto logra un mejor rendimiento en comparación con las técnicas existentes. Esta mejora es particularmente evidente en términos tanto de complejidad computacional como de tasa de error.