- بهترین نتیجه‌ی هر ذره به‌روزرسانی می‌کنیم.
- بهترین نتیجه را در بین ذرات مشخص می‌کنیم.
- سرعت را برای هر ذره به‌روزرسانی می‌کنیم.
- موقعیت را برای هر ذره به‌روزرسانی می‌کنیم.
- تا زمانی که شرط توقف برآورده نشده است، مراحل ۲ تا ۶ را تکرار می‌کنیم.
در ادامه بعضی از الگوریتم‌های پیشنهادشده در خوشه‌بندی را که در آنها از الگوریتم کوچ پرندگان برای بهینه‌سازی استفاده‌شده است می‌آوریم.
الگوریتم [۷۸]MO-PSO
این الگوریتم برای پیکربندی بهینه در شبکه از الگوریتم کوچ پرندگان استفاده می‌کند. برای این کار از اطلاعات انرژی و منطقه‌ی تحت پوشش گره‌های شبکه برای انجام این کار استفاده می‌کند.
(۲-۳)
(۲-۴)
که در فرمول (۲-۳)، بیشترین زمان حیات شبکه مد نظر است. در این فرمول زمان حیات واقعی شبکه به زمان کل شبیهسازی مدنظر است.
در فرمول (۲-۴) بیشترین همپوشانی شبکه در کل شبکه به عنوان معیار ارزیابی مدنظر است.
که در آن مناطق مختلف شبکه هستند.
الگوریتم [۷۹]PSO-MV
الگوریتم پیش‌رو با بهره گرفتن از اطلاعات جمع آوری شده از انرژی باقیمانده گره‌های حسگر در شبکه و اجرای الگوریتم کوچ پرندگان برای هر خوشه دو گره به عنوان سرخوشه پیشنهاد می‌دهد. یک سرخوشه به عنوان سرخوشه‌ی اصلی و یکی به عنوان همراه سرخوشه معرفی می‌کند. وظایفی که سرخوشه باید انجام دهد را بین این دو گره تقسیم می‌کند.
سرخوشه‌ی اصلی[۸۰] وظیفه‌ی جمع آوری اطلاعات از اعضای خوشه و ارسال نتایج تجمیع‌شده را به سرخوشه‌های نزدیک برای رسیدن به سینک به عهده دارد. سرخوشه معاون[۸۱] وظیفه مسیریابی درون خوشه برای گره‌های خوشه و مسیریابی یک یا چند راهه را در ارتباطات با سینک بر عهده دارد [۴۹].
الگوریتم [۸۲]PSO-SD
در این کار، الگوریتم کوچ پرندگان را به صورت نیمه متمرکز با توجه به اطلاعات مکانی و انرژی باقیمانده گره‌های حسگر خوشه‌ها اجرا می‌شود. فرمول بهینگی در این الگوریتم به شکل زیر است.
(۲-۵)
که در فرمول x1 ، x2 ، x3 و حدود مسئله به شرح زیر است:
(۲-۶)
(۲-۷)
(۲-۸)
