标准粒子群优化算法(SPSO)是一种基于群智能的随机搜索优化算法。粒子群算法源于对鸟群的集体捕食过程进行模拟，系统本身是由一群微粒组成，当约束设定后，微粒群在问题空间互相合作寻求最优解。这种算法具有实现容易、精度高、收敛快的特点。粒子群算法在汽车领域尤其是在汽车行驶平顺性及乘坐舒适性方面应用广泛。本论文对标准粒子群算法进行研究，并应用MATLAB中粒子群优化工具箱对汽车的参数进行优化与分析。主要研究内容如下:　　本文首先研究了汽车乘坐舒适性的评价方法，得到了一种主观方法与客观方法相结合的合理有效的评价方法，为后续的优化分析提供理论依据。其次建立了汽车子系统振动的力学模型、动力学模型及频率响应模型，建立了十一自由度整车振动的仿真模型，对其分析发现影响汽车乘坐舒适性的主要因素有前后悬架的刚度和阻尼。最后本文对标准粒子群算法的基本原理、算法流程进行理论介绍，重点研究了各个参数的选择和设置。建立了人-车-路耦合的十一自由度力学模型、动力学模型及频率响应模型，分析得到了悬架参数优化的目标函数及约束条件，应用MATLAB中粒子群优化工具箱对汽车悬架参数进行优化分析得出:悬架的刚度与阻尼通过标准粒子群算法优化后，汽车的乘坐舒适性有了较理想的提高。