Optymalizacja rojem cząstek (PSO) została wprowadzona w 1995 roku przez Kennedy'ego i Eberharta [1] jako narzędzie do optymalizacji funkcji nieliniowych. Algorytm próbuje symulować zachowanie zwierząt, które współpracują w grupach w poszukiwaniu pożywienia. Zgodnie z tą właściwością algorytm można sklasyfikować jako inteligencję roju.
PSO opiera się jednak nie tylko na interakcji społecznej. Shi i Eberhart wspomnieli w [2], że główne równanie decyzyjne algorytmu składa się z trzech podstawowych części; druga część podejmuje decyzję w odniesieniu do osobiście najlepszej pozycji cząstki w przestrzeni obliczeniowej. Ta część jest również nazywana częścią poznawczą i reprezentuje myślenie cząstki. Dlatego PSO można również określić mianem metody sztucznej inteligencji. PSO stara się osiągnąć cel (znaleźć minimum), wykorzystując własne myślenie i biorąc pod uwagę środowisko, które odpowiada definicji w [3].
Wykorzystanie w programie
Rozszerzenie „Optimization & Costs/CO2 Emissions Estimation” wykorzystuje optymalizację rojem cząstek w celu znalezienia optymalnej alokacji parametrów globalnych.