量子粒子群算法是受到粒子群算法运动轨迹分析和量子运动原理的启发而提出的新算法。与其他的优化算法(如粒子群算法,蚁群算法,拟牛顿法,遗传算法,模拟退火算法)相比较有着收敛快,精度高,需要调整的参数少的优点。　　 本文在第一章先介绍了粒子群算法,及其在现实生活工作中的应用实例和改进算法的进展,之后介绍由粒子群算法启发而提出的量子粒子群算法的基本原理,及提出至今的算法具体应用实例和算法的改进近况。　　 第二章中,作者提出一种基于规则化局部吸引子选定方法的量子粒子群算法改进机制,并用测试函数进行检验和与标准的量子粒子群算法比较。结果表明改进后的算法在运算速度方面普遍优于标准的算法,而且在一些的情况下表现优于标准的算法。　　 在第三章,首先介绍了测井反演上的优化算法,如蒙特卡洛法、遗传算法、人工神经网络、蚁群算法等,之后引出量子粒子群算法在测井反演的应用。通过侧向测井对量子粒子群算法和粒子群算法进行比较,结果表明量子粒子群算法表现优于粒子群算法。之后再在侧向测井反演和含水层参数反演问题上比较改进后的量子粒子群算法和标准算法,结果表明改进后的算法运算速度较标准算法更有优势。