为优化不可微且非凸的连续目标函数，提出了结合次梯度的粒子群全局优化算法（SGPSO）。在优化算法中，首次提出利用次梯度方向来更新粒子群算法中粒子的搜索速度方案。加上与粒子相互间的通信机制配合，改进方案提高了寻得全局最优的机率。进一步地，在次梯度迭代过程中，提出其中的步长函数需要满足关于次梯度幅值是低阶无穷小且关于迭代时刻是递减的充分条件保证序列稳定收敛。最后，针对标准库给出了SGPSO的实验和比较以验证其有效性，结果表明提出的算法能很好地实现目标函数的全局优化，且收敛效果更好。