针对计算机仿真优化耗时较多的问题,Kriging模型被广泛用作原模型的近似以减少仿真时间。但是基于Kriging模型的序列优化还是比较耗时的,本文对期望改进法进行扩展并提出了改进的序列Kriging优化方法。本算法通过每次更新模型时同时增加两个以上的样本点将原方法中两次优化问题变为一次优化。在每次重新构建Kriging模型时,本算法均对新采样点进行验证以使得新加入的点既不与以往样本点重合也避免任两个样本点离得太近。本文还提出了双重收敛法则使得最终Kriging模型的均方根差在容许范围之内,保证结果精度。文中的算例表明了改进的序列Kriging优化方法可以准确并且快速地实现全局优化,并且不受初始优化值影响。本方法在汽车主动悬架系统上的应用表明本文提出的改进法是有效的。