近年来，网络上多媒体通信和分布式环境中的协同工作等应用越来越广泛，这些应用对网络提出了不同的服务质量(QualityofService，QoS)以及组播要求。因此，如何保证在应用中服务质量的要求以及实现多媒体组播通信成为研究的热点方向。QoS中最敏感的指标是时延、带宽以及代价，网络上时延受限且满足带宽要求的最小组播树问题是一个典型问题。由于该问题是经典计算中的NP难度问题，难以用传统优化方法求解。目前常采用启发式方法求解，如遗传算法(GeneticAlgorithm，GA)、蚁群算法等。但这些算法存在收敛慢，且容易陷入局部收敛等缺陷，如何找到能够克服上述算法缺陷的新型启发式智能优化算法是目前的研究热点。 本文研究了一种新型的启发式方法量子遗传算法(QuantumGeneticAlgorithm，QGA)，该方法将量子计算引入到遗传算法中，利用量子技术的并发特征使算法性能得到了提高。在此基础上，本文提出了求解QoS组播路由问题的多宇宙量子遗传算法(Multi-universeParallelQuantumGeneticAlgorithm，以下简称MPQGA)实现方案，在方案中对量子旋转门调整策略提出了改进措施—采用动态旋转角的调整策略。仿真实验表明：本文的实现方案在解决QoS组播路由问题上的性能优于采用常规遗传算法(CGA)以及采用静态旋转角的QGA算法。