Głównym celem artykułu jest prezentacja możliwości implementacji algorytmu optymalizacji rojem cząsteczek (PSO) na platformach mikrokontrolerowych, w szczególności na płytce PyBoard. Poprzez rygorystyczne testowanie i analizę, badano zachowanie algorytmu w środowiskach o ograniczonych zasobach, dążąc do zrozumienia jego adaptacyjności, efektywności i stabilności. Przeprowadzono testy kodu PSO na trzech identycznych płytach PyBoard, wykonując algorytm wielokrotnie dla różnych funkcji testowych. Ten kompleksowy proces testowania pozwolił na uchwycenie i ocenę spójności wyników w różnych jednostkach mikrokontrolerów. Poprzez powtarzanie testów i zbieranie danych dotyczących wartości dopasowania, czasów wykonania i optymalnych rozwiązań, uzyskano cenne wglądy w zachowanie algorytmu. Wyniki analizy ujawniły kilka istotnych wniosków. Badanie potwierdziło, że mikrokontrolery, takie jak PyBoard, mogą być skutecznymi narzędziami do analizy i porównywania możliwości algorytmów optymalizacji, pomimo swoich ograniczonych zasobów. Podsumowując, wyniki badań dostarczyły cennych informacji na temat wydajności algorytmu PSO na platformach mikrokontrolerowych, otwierając nowe perspektywy dla projektowania systemów wbudowanych.