La optimización por enjambre de partículas (PSO) es un método atractivo y fácil de implementar que se utiliza con éxito en una amplia gama de aplicaciones. En este documento, se propone un algoritmo mejorado de optimización por enjambre de partículas que utiliza la ideología central del algoritmo genético y parámetros dinámicos. Luego, basado en el algoritmo mejorado, se proponen algoritmos anidados de PSO con dos criterios de toma de decisiones útiles (criterio de coeficiente optimista y criterio de minimización de arrepentimiento). El algoritmo PSO mejorado se implementa en dos funciones unimodales y dos funciones multimodales, y los resultados son mucho mejores que los del algoritmo PSO tradicional. Los algoritmos anidados se aplican en el modelo de Michaelis-Menten y en el modelo de regresión logística de dos parámetros como ejemplos. Para el modelo de Michaelis-Menten, las partículas convergen a la mejor solución después de 50 iteraciones. Para el modelo de regresión logística de dos parámetros, la optimalidad de los algoritmos se verifica mediante el teorema de equivalencia. Más resultados para otros modelos aplicando nuestros algoritmos están disponibles bajo solicitud.