امروزه به دلیل روند رو به کاهش منابع انرژی فسیلی و افزایش نیاز به انرژی در سراسر جهان تلاش برای یافتن انرژی های نو و جایگزین مناسب برای سوخت های متداول امری اجتناب ناپذیر است. در میان انرژی های تجدیدپذیر انرژی خورشیدی یکی از گزینه های بی پایان، پاکیزه و قابل دسترس است. سیستم های فتوولتاییک علیرغم مزایای فراوان دارای معایبی نیز هستند. این سیستم ها دارای هزینه نصب بسیار زیاد و بازده پایینی هستند. گذشته از این به دلیل وابستگی شدید به سطح تابش خورشید و دمای کار پنل خورشیدی، مشخصه های غیرخطی دارند. هر سلول خورشیدی دارای یک نقطه کار واحد است که اصطلاحاً نقطه ماکزیمم توان یا mpp نامیده می شود. هنگامی که سیستم در این نقطه کار قرار داشته باشد بیشترین بهره در تولید توان و بیشترین توان خروجی را دارد. علیرغم وجود روش ها و الگوریتم های مختلف mppt هیچ یک قادر به یافتن mpp سراسری نیستند، این الگوریتم ها یا هیچگاه همگرا نمی شوند، یا در مدت زمان طولانی همگرا می شوند، یا آنقدر حول mpp نوسان می کنند که تلفات توان را افزایش می-دهند و در نهایت در صورت همگرایی، به همگرایی محلی می رسند نه همگرایی کلی. اما الگوریتم هوشمند مبتنی بر رفتار اجتماعی این نقاط ضعف را پوشش می دهد و در مدت زمان کوتاهی و با حداقل تعداد تکرار به mpp کلی همگرا می شود. این پایان نامه به بررسی روش های مختلف ردیابی نقطه توان ماکزیمم و بیان معایب و مزایای این روشها تحت شرایط مختلف جوی اعم از دما و تابش های مختلف می پردازد. اما نکته مهم این است که الگوریتم بهینه سازی ازدحام ذرات (pso) و یکی از ترکیب آن تحت عنوان ازدحام ذرات-جستجو آشوبگون (cstpso) که در این پایان نامه مورد بررسی قرار گرفته است با دقت و صحت بالایی می تواند نقطه توان ماکزیمم را تحت تابش و دمای مختلف و در شرایط سایه جزیی ردیابی کند.در این پایان نامه ابتدا یک آرایه فتوولتایک بر اساس جدیدترین روش مدلسازی شده است. در این مدل نسبت به مدل های قبلی سادگی و کاربردی بودن آن در شرایط سایه جزیی می باشد نتایج بدست آمده از این روش دقیق می باشد. برای ردیابی توان بیشینه از یک مبدل dc-dc افزایشی استفاده شده است. در پایان هم صحت عملکرد الگوریتم پیشنهادی و مقایسه با الگوریتم های قبلی ارایه شده است.