الگوریتم های تکاملی الگوریتم های جستجوی عام منظوره ای هستند که برای حل بسیاری از مسائل بهینه سازی مهندسی و پیچیده به کار گرفته شده اند. این الگوریتم ها تکامل طبیعی را بر روی جمعیتی از راه حل های احتمالی همانندسازی می کنند. الگوریتم بهینه سازی دسته ای ذرات یا pso یک الگوریتم بهینه سازی جدید با گستره رو به رشدی از کاربردها می باشد. با این وجود، این الگوریتم عموما یک روش به شدت محاسباتی می باشد که از زمان اجرای بسیار بالا رنج می برد. بنابراین استفاده از آن در کاربردهای واقعی که رسیدن به یک راه حل مناسب در یک زمان محدود ضروری است مشکل به نظر می رسد. برای بسیاری از کاربردهای واقعی، الگوریتم pso مانند دیگر الگوریتم های تکاملی ممکن است برای روزها در حال اجرا باشد، حتی زمانی که بر روی یک دستگاه با قدرت محاسباتی بالا اجرا شود. بنابراین، عمده ترین مانع استفاده از این الگوریتم زمان اجرای بالای آن می باشد. پیاده سازی های سخت افزاری الگوریتم pso برای کم کردن هزینه بالای محاسباتی آن در مسائل بهینه سازی پیچیده به خدمت گرفته شده است. کاربردهای پیچیده سیستم های هوشمند نیازمند طراحی و توسعه معماری های سخت افزاری با کارایی بالا هستند. تمام پیاده سازی های سخت افزاری که قبلاً برای الگوریتم pos ارایه گردیده اند بر مبنای fpga بوده اند. در این پایان نامه به پیاده سازی چیپ پردازشگر 16 بیت pso با 20 ذره الگوریتم پرداخته شده است. پردازشگر pso پیشنهادی با استفاده از تکنولوژی cmos در پروسه csmc 0.18 µm به صورت دیجیتال پیاده سازی شده است. ویژگی بارز چیپ طراحی شده این است که می توان به تناسب کاربرد، تعداد ذره های فعال پردازشگر را برنامه ریزی نمود. از ویژگی های این پردازشگر این است که فقط مختص یک کاربرد خاص نبوده و می توان در هر کاربردی از الگوریتم pso به کار گرفت. به عبارت دیگر چیپ طراحی شده یک چیپ عام منظوره است. تمامی بلوک های طراحی شده در نرم افزار matlab و hspice شبیه سازی شده است.