Los intercambiadores de calor suelen diseñarse mediante un sofisticado proceso de prueba y error para encontrar valores adecuados de parámetros desconocidos que satisfagan los requisitos dados. Recientemente, el diseño de intercambiadores de calor utilizando algoritmos de optimización evolutiva ha recibido atención. El objetivo principal del presente estudio es proponer un algoritmo mejorado de optimización de enjambre de partículas cuánticas gaussianas (GQPSO) para un rendimiento de optimización mejorado y su verificación a través de la aplicación a un problema de optimización térmico-económico multivariable de un intercambiador de calor de placas de aletas en flujo cruzado (PFHE). Tres funciones objetivo individuales: el número de unidades de generación de entropía (), el costo anual total () y el área de superficie del intercambiador de calor (), se minimizaron por separado evaluando valores óptimos de siete variables desconocidas utilizando cuatro métodos basados en PSO diferentes. Al comparar los mejores valores de aptitud obtenidos, el enfoque GQPSO mejorado podría buscar rápidamente mejores soluciones óptimas globales al evitar que las partículas caigan en el mínimo local debido a su esquema de atracción local modificado basado en números aleatorios distribuidos gaussianos. Por ejemplo, el GQPSO propuesto podría predecir valores de aptitud mejorados adicionales del 40% para , del 17% para y del 4.5% para , respectivamente. En consecuencia, el presente estudio sugiere que el enfoque GQPSO mejorado con el esquema de atracción local modificado puede ser eficiente para encontrar rápidamente soluciones más adecuadas para optimizar el problema térmico-económico del PFHE de flujo cruzado.