20世纪是科学技术和人类文明取得空前发展的辉煌年代。以计算机为核心的现代信息处理和以数字化通信为特征的现代信息传输正在紧密地结合起来,将人类带入到未来崭新的信息时代。作为智能信息科学发展中有生命活力的一个研究方向,计算智能已经引起了广泛的关注。近年来普遍认为:计算智能是在神经网络、模糊系统、进化计算三个分支发展相对成熟的基础上,相互融合而形成的一种新的计算方法。事实上,“计算智能”或“智能计算”是一个内蕴相当丰富的概念,长期以来,分布于世界各地的计算机科研人员都在因循不同的方向、通过各异的途径来设法接近这一概念的实质。实际上,计算智能是一门跨越包括物理学、数学、计算机科学、通讯、生理学、进化理论和心理学等学科在内的深奥科学。因此,引入各领域的有效知识对它进行研究,就能为建立一种更统一的智能系统设计和优化方法提供基础,也是计算智能一个必然的发展趋势。本文研究了一种将蚁群算法和量子理论结合的量子蚁群算法,提出了它的理论框架,证明了其收敛性,并讨论了它的应用。理论分析和仿真结果证明:量子蚁群算法是全局收敛的,且具有快速进化求优的能力。本文首先描述了两种启发式智能优化算法的机理,论述了量子算法和蚁群算法的模型,分别指出了两种算法的特点及存在的问题。然后针对人工蚁群系统存在的问题,引入量子算法,将两种算法融合,提出量子蚁群算法,以实现对搜索空间高效、快速的全面寻优。在实验仿真中将量子蚁群算法分别应用于求解TSP和0-1背包问题,将实验结果和其他启发式算法进行比较后,可以发现量子蚁群算法有很好的全局搜索性和较好的结果。