El algoritmo de enjambre de salpas adaptativo refractado de múltiples subpoblaciones (MRASSA) se propuso para el control de vibraciones en sistemas de suspensión semiactiva de 1/4. El algoritmo MRASSA se aplicó para optimizar el rendimiento de amortiguación de la suspensión abordando el desafío de la convergencia lenta y el óptimo local del algoritmo de enjambre de salpas estándar para sistemas de suspensión semiactiva de 1/4 con dos grados de libertad. El MRASSA desarrollado contiene tres mejoras clave: (1) particionamiento de múltiples subpoblaciones; (2) aplicación de aprendizaje basado en oposición refractada; (3) adopción de factores adaptativos. Para verificar el rendimiento del enfoque MRASSA, se desarrolló un modelo Simulink de suspensión de 1/4 para experimentos de simulación. Para validar aún más los resultados, se construyó una plataforma física para probar la aplicabilidad del modelo de simulación. El rendimiento de suspensión optimizado de MRASSA también se comparó con tres modelos optimizados, a saber, SSA estándar, Firefly de objetivo único (SOFA) y Orden fraccional-óptimo de ballena (WOAFFO). Los resultados experimentales mostraron que MRASSA superó a los otros modelos, logrando un mejor rendimiento de suspensión en entornos complejos como una carretera aleatoria con una velocidad de 60 km/h. En comparación con la suspensión pasiva, MRASSA llevó a una reducción del 41.15% en la aceleración de la masa suspendida y una reducción del 15-25% en comparación con otros modelos. Además, MRASSA tuvo una reducción máxima del 20% en la deflexión y carga dinámica de la suspensión. MRASSA también demostró una velocidad de convergencia más rápida, encontrando la solución óptima más rápido que los otros algoritmos. Estos resultados indican que MRASSA es superior a otros modelos y tiene potencial como una herramienta valiosa para la optimización del rendimiento de la suspensión.