La optimización por enjambre de partículas (PSO) ha demostrado una viabilidad conocida en la optimización de problemas. Sin embargo, su rendimiento de optimización aún enfrenta desafíos al enfrentarse a problemas de optimización complicados con muchas áreas locales. En PSO, la interacción entre partículas y la utilización de la información de comunicación desempeñan roles cruciales en mejorar la efectividad del aprendizaje y la diversidad del aprendizaje de las partículas.