در طول سال های گذشته تکنیک های کنترل فرایند در صنعت پیشرفت های بسیاری کرده است. روش های کنترل متعددی مانند کنترل تطبیقی، شبکه عصبی و کنترل فازی مورد مطالعه قرار گرفته اند. در میان این روش ها مشهورترین روش کنترل PID می باشد که به دلیل ساختار ساده و عملکرد مقاوم در شرایط مختلف به طور گسترده مورد استفاده قرار گرفته است. متأسفانه به علت اینکه اکثر سیستم های صنعتی دارای مسائلی چون تأخیر زمانی، مرتبه بالا و عوامل غیرخطی می باشند تنظیم مناسب گین های کنترل PID برای این سیستم ها مشکل می باشد. تنظیم بهینه یا نزدیک به بهینه پارامترهای PID با بهره گرفتن از روش های کلاسیک (روش ZN برای مثال) بسیار مشکل می باشد. به این دلایل افزایش قابلیت کنترل PID بسیار مطلوب است. برای بهبود عملکرد کنترل PID برای کنترل مطلوب انواع مختلف سیستم های صنعتی از روش هوش مصنوعی (AI) استفاده شده است. از روش های AI مانند شبکه عصبی، سیستم فازی و منطق فازی – عصبی به طور گسترده برای تنظیم مناسب پارامترهای کنترلر PID استفاده شده است.
الگوریتم پرندگان (PSO) که اولین بار توسط Kennedy و Eberhart معرفی شد یکی از جدیدترین الگوریتم های ابتکاری می باشد. PSO به وسیله شبیه سازی از یک سیستم اجتماعی ساده شده بدست آمده است و در حل بهینه مسائل غیرخطی دارای عملکرد مقاوم می باشد. تکنیک PSO قادر است یک راه حل با کیفیت بالا به همراه زمان محاسباتی کمتر و همگرایی پایدار نسبت به سایر روش های تصادفی به دست آورد. روش PSO یک تکنیک بهینه سازی عالی و یک رویکرد امیدوارکننده برای حل بهینه پارامترهای PID می باشد. بنابراین در این تحقیق کنترلر PSO-PID را برای جستجوی پارامترهای بهینه PID بررسی شده و روش بهینه سازی الگوریتم پرندگان برای طراحی بهینه کنترلر PID برای راکتور تانک همزن پیشنهاد می شود.