Эффективность решения оптимизационных задач с помощью метода роя частиц в значительной степени зависит от выбранных исследователем значений социальной и когнитивной компонент. На данный момент нет возможности однозначно определять такие значения этих параметров, которые бы обеспечивали максимальную эффективность поиска решения для конкретной задачи. В целях устранения этого недостатка, в данной статье предлагается модификация метода роя частиц, в которой социальная и когнитивная компоненты алгоритма адаптируются в процессе оптимизации к исследуемой задаче, избавляя таким образом исследователя от необходимости подбирать значения этих компонент вручную. В основе адаптации лежат принципы, сходные с генетическими алгоритмами: осуществляются отбор наиболее эффективных частиц, скрещивание – передача их значений социальной и когитивной компонент другим частицам, и мутация – случайные модификации значений компонент. Для оценки эффективности полученного алгоритма была проведена серия экспериментов по нахождению минимумов нескольких тестовых функций. Найденные минимумы, усредненные по каждой группе тестов, сравнивались с минимумами, найденными каноническим методом роя частиц. На основе полученных результатов, была выдвинута и подтверждена статистическая гипотеза о превосходстве адаптивного методя роя частиц над каноническим. Проведенное исследование свидетельствует об эффективности применения представленного адаптивного метода для решения практических задач.