Atualizado em 04/10/2026: verbete refeito: definição curta com fonte, exemplo e termos relacionados; saiu o texto genérico anterior. Como conferimos os dados
A otimização por enxame de partículas (PSO, particle swarm optimization) é um método para encontrar o melhor valor de uma função. Ela imita o comportamento social de bandos de pássaros e cardumes: um conjunto de soluções candidatas, as partículas, se espalha pelo espaço de busca e se move à procura do ótimo. O algoritmo original é atribuído a Kennedy e Eberhart, em artigo de 1995.
Como as partículas se movem
A cada passo, cada partícula ajusta o movimento por dois impulsos: ir em direção à melhor posição que ela mesma já encontrou e ir em direção à melhor posição encontrada pelo grupo (ou pelos vizinhos).
Vantagem
A PSO não usa o gradiente da função. Por isso, a função a otimizar não precisa ser diferenciável, o que serve para problemas em que o gradiente não existe ou é difícil de calcular.
Exemplo
Para escolher dois hiperparâmetros de um modelo, cada partícula é um par de valores. A pontuação de cada par é o erro na validação, e o enxame vai se concentrando nos pares de menor erro. Em Python, a biblioteca PySwarms implementa o método.
Termos relacionados
Fontes (conferidas em 02/10/2026): PySwarms: introdução à PSO