This study presents a novel optimization approach that combines the Multi-Verse Optimizer (MVO) and Particle Swarm Optimization (PSO) algorithms in a parallel framework. MVO's strength lies in its ability to explore a wide search space, while PSO excels at exploiting local optima. By running these algorithms concurrently and exchanging information periodically, the study aims to enhance both global exploration and local exploitation capabilities. To evaluate the performance of this hybrid approach, experiments on three benchmark functions (Sphere, Rastrigin, and Rosenbrock) were conducted. The results demonstrate that the parallel MVO-PSO consistently outperforms both MVO and PSO when used independently, particularly in problems with multiple local minima. This suggests that the proposed hybrid approach is a promising solution for tackling complex optimization challenges.Trong bài báo này, nhóm tác giả đề xuất một phương pháp kết hợp song song giữa thuật toán Tối ưu Đa vũ trụ (Multi-Verse Optimizer - MVO) và Tối ưu Bầy đàn (Particle Swarm Optimization - PSO) để giải quyết các bài toán tối ưu hóa phức tạp. MVO có khả năng khám phá toàn bộ không gian tìm kiếm, trong khi PSO thể hiện hiệu quả cao trong việc khai thác chi tiết các khu vực lân cận. Phương pháp song song này cho phép hai thuật toán hoạt động đồng thời, bên cạnh đó trao đổi thông tin vị trí tốt nhất sau một số vòng lặp nhất định, nhằm cải thiện cả khả năng tìm kiếm toàn cục lẫn khai thác cục bộ. Nhóm tác giả tiến hành thực nghiệm trên ba hàm Benchmark nổi tiếng (Sphere, Rastrigin, Rosenbrock) và so sánh hiệu suất của MVO, PSO và M VO-PSO song song. Kết quả cho thấy MVO-PSO song song đạt được giá trị fitness tốt hơn so với khi chạy riêng lẻ MVO và PSO, đặc biệt trong các bài toán có nhiều cực trị cục bộ.