مسئله اسکان موقت در مدیریت بحران زلزله اهمیت فراوانی دارد، به طوری که استفاده از آن می تواند باعث کاهش چشمگیری در تلفات جانی ناشی از پس لرزه ها شود. هدف از انجام این تحقیق ارزیابی و مقایسه عملکرد دو الگوریتم هوش جمعی، تحت عناوین الگوریتم زنبورعسل(bees) و الگوریتم اجتماع ذرات یا الگوریتم پرندگان(pso) در بهینه سازی تابع هدف مذکور می باشد. به منظور بهینه نمودن اسکان موقت باید اهداف مهمی مانند حداقل کردن جایجایی جمعیت و توزیع همگن افراد متناسب با ظرفیت مکان های امن در سطح شهر درنظرگرفته شوند. پس از تعریف ریاضی دو تابع هدف مذکور، وزن هریک از آن ها بوسیله ahp محاسبه شد. سپس با استفاده از روش میانگین گیری وزندار ترکیب خطی آن ها به عنوان تابع هدف نهایی برای بهینه سازی ساخته شد. به منظور کالیبره نمودن الگوریتم های فوق از شش سری داده فرضی و به منظور ارزیابی عملکرد الگوریتم ها از داده های منطقه هفت تهران به عنوان داده های واقعی استفاده شد. نتایج حاصل بدین صورت است که میانگین اعداد همگرایی الگوریتم زنبور و الگوریتم پرندگان برای داده های فرضی به ترتیب 0.0165 و 0.0177 است که نشاندهنده عملکرد نسبتاً بهتر (با دقت هزارم) الگوریتم زنبور در کمینه سازی تابع هدف مسئله است. برخلاف نتایج حاصل از اجرای دو الگوریتم روی داده های فرضی، عدد همگرایی هریک از دو الگوریتم زنبور و پرندگان برای داده های واقعی به ترتیب برابر 0.187 و 0.0383 است که نمایانگر عملکرد بسیار بهتر الگوریتم پرندگان در کمینه سازی تابع هدف مسئله است. شایان ذکر است که در هر دو دسته داده های فرضی و واقعی، تعداد تکرارهای الگوریتم زنبور برای رسیدن به همگرایی کمتر از تعداد تکرارهای الگوریتم پرندگان است. همچنین به منظور ارزیابی کیفیت و دقت الگوریتم از تست تکرار پذیری برای نتایج حاصل از اجرای هر الگوریتم روی داده ها استفاده شد. نتایج حاصل از این آزمون ها نمایانگر عملکرد دقیق هر یک از دو الگوریتم در بهینه سازی تخصیص افراد به مناطق امن می باشد.