Un algoritmo con diferentes configuraciones de parámetros a menudo tiene un rendimiento diferente en el mismo problema. Las configuraciones de parámetros son difíciles de determinar antes del proceso de optimización. Las variantes de los algoritmos de optimización por enjambre de partículas (PSO) se estudian como ejemplos de algoritmos de inteligencia de enjambre. Basándose en el concepto de tesis de bloque de construcción, se propuso un algoritmo PSO con múltiples fases para analizar la relación entre las estrategias de búsqueda y los problemas resueltos. Se compararon dos variantes del algoritmo PSO, denominadas algoritmo PSO con fase fija (PSOFP) y algoritmo PSO con fase dinámica (PSODP), con seis variantes del algoritmo PSO estándar en el estudio experimental. Se utilizaron funciones de referencia para la optimización numérica de un solo objetivo, que incluyen 12 funciones en 50 y 100 dimensiones, respectivamente, en el estudio experimental. Los resultados experimentales han verificado la capacidad de generalización de las variant