生物信息中的多序列比对问题,是建立系统发育树,基因和蛋白质的功能预测,探测序列之间的相互作用等的基础。但是,多序列比对问题是一个NP-hard问题,非常具有挑战性,对序列比对算法的速度和质量有较高要求。一些智能优化方法应用于该领域中,取得了不错的结果。遗传算法是一种随机迭代优化算法,对于解决复杂的组合优化问题有优势。但是由于多序列比对问题本身的复杂性,传统的遗传算法收敛速度比较慢,没有指导的对个体进行修正,带有一定的盲目性,容易产生退化现象。在量子特性的启发下,本文提出了一种新的量子遗传算法QGAlign解决生物序列分析中的多序列比对问题。算法首次提出了一种新的量子概率编码方法,并设计了基于该编码方法的量子旋转角变异算子和五种遗传算子。利用量子叠加态特性对染色体进行编码,增强了种群的多样性;利用量子旋转门通过最优解来引导群体的进化过程,加快了算法的收敛速度。为了避免量子旋转门变异可能带来局部最优的问题,设计了基于多序列比对问题的遗传算子,来优化比对结果,使进化过程更具启发性和多样性。通过实验验证了遗传算子对算法的优化性能。对BAliBASE2.0库中的数据进行测试,与CLUSTAL X、SAGA等方法进行了比较,结果表明该算法框架具有很好的全局寻优能力,并且具有种群小、迭代次数少特点,是可行的。