La simplicidad y la optimalidad se asocian comúnmente con el algoritmo de optimización por enjambre de partículas (PSO). Como resultado, se han desarrollado e implementado numerosas variantes e híbridos de PSO para abordar problemas de optimización estructural. La importancia innegable de la técnica de inicialización en la determinación del rendimiento general de un algoritmo de optimización dado no puede ser subestimada. Los algoritmos de optimización, como el PSO, generalmente dependen de una inicialización aleatoria y uniformemente distribuida. A través de múltiples iteraciones y actualizaciones, estos algoritmos buscan lograr resultados óptimos. La suposición subyacente detrás de tal enfoque de inicialización es que una disposición justa o razonable de las partículas se logra mejor a través de la aleatorización, y así, todo el proceso de optimización se itera en base a esta suposición. Sin embargo, esta técnica de inicialización plantea preocupaciones sobre la consecución de la optimalidad y la convergencia, dejando espacio para un examen más profundo. En este artículo, desafiamos esta suposición al introducir un concepto de prioridad. La idea clave es que las partículas no deben ser inicializadas aleatoriamente, ya que la aleatoriedad por sí sola no garantiza una asignación razonable de los valores de las variables de diseño en la optimización iterativa. Esto puede llevar a actualizaciones de velocidad erróneas y, en última instancia, a una búsqueda que consume tiempo para alcanzar la optimalidad. Para abordar este problema, formulamos criterios de prioridad (PC) y proponemos una variante mejorada de PSO llamada PSO de Criterios de Prioridad (PCPSO). El PC puede incorporarse a cualquier variante o híbrido de PSO sin afectar la configuración de parámetros, restricciones y enfoques de penalización de los respectivos algoritmos. Se realizó un estudio de caso que involucró marcos de concreto reforzado en 2D para comparar el rendimiento del algoritmo PSO ordinario con el PCPSO. Los resultados demuestran claramente que la introducción del PC conduce a una reducción significativa de costos en comparación con el PSO con un factor de amortiguamiento de inercia. Además, el algoritmo PCPSO exhibe una convergencia acelerada. Además, para aliviar la carga computacional asociada con el análisis estructural en cada iteración, se formula e implementa matemáticamente un enfoque de reanálisis llamado Aproximaciones Combinadas (CA).