La optimización en enjambre de partículas a gran escala (PSO) ha sido durante mucho tiempo un tema candente debido a las siguientes razones: la preservación de la diversidad del enjambre sigue siendo un desafío para las variantes actuales de PSO para problemas de optimización a gran escala, lo que resulta en dificultades para PSO en equilibrar su exploración y explotación. Además, las variantes actuales de PSO para problemas de optimización a gran escala a menudo introducen operadores adicionales para mejorar su capacidad en la preservación de la diversidad, lo que conlleva a un aumento en la complejidad del algoritmo. Para abordar estos problemas, este artículo propone una estrategia de actualización de partículas basada en una doble competencia (DCS), que selecciona las partículas a actualizar y sus ejemplares correspondientes con dos rondas de competencias de emparejamiento aleatorio, lo que puede beneficiar directamente a la preservación de la diversidad del enjambre. Además, DCS confirma los ejemplares primario y secundario basados en la operación de clasificación de aptitud para explotación y exploración, respectivamente, lo que lleva a un optimizador de enjambre basado en doble competencia. Gracias al DCS propuesto, por un lado, el algoritmo propuesto es capaz de proteger a más de la mitad de las partículas de ser actualizadas para beneficiar a la preservación de la diversidad a nivel de enjambre. Por otro lado, DCS proporciona un mecanismo eficiente de selección de ejemplares de exploración y explotación, lo cual es beneficioso para equilibrar la exploración y explotación a nivel de actualización de partículas. Además, este artículo analiza las condiciones de estabilidad y la complejidad computacional del algoritmo propuesto. En la sección experimental, basándose en siete algoritmos de vanguardia y una suite de pruebas propuesta recientemente para problemas de optimización a gran escala, este artículo verifica la competitividad del algoritmo propuesto en problemas de optimización a gran escala.