量子遗传算法是近年来发展的一种基于量子计算原理的优化算法,其过程主要包括：量子位编码、解空间变换、量子旋转门转角方向和大小的确定以及变异概率的选取。其中量子旋转门转角大小和变异概率是影响量子遗传算法计算效率的两个重要因素,而旋转门转角大小和变异概率很难选择,特别是变异概率一般都是根据经验来确定,具有很大的盲目性,一旦选择不当,很容易出现早熟现象。对此,本文在量子遗传算法的基础上引入捕食搜索策略,通过阀值的限制来动态调整转角大小和变异概率,从而平衡局部搜索和全局搜索。首先,本文对近几年量子遗传算法的国内外研究现状作了简单介绍,如普通量子遗传算法,多目标量子遗传算法,新量子遗传算法,多宇宙并行量子遗传算法,混沌量子遗传算法,免疫量子遗传算法和基于实数编码的双链量子遗传算法等,其中重点介绍了普通量子遗传算法和基于实数编码的双链量子遗传算法。其次,为改善量子遗传算法的计算效率,本文在双链量子遗传算法的基础上引入了捕食搜索策略,同时对转角步长函数和变异概率作了相应的改进,并通过限制阀值的控制来动态调整转角步长大小和变异概率,以平衡局部搜索和全局搜索,提高计算效率。文中并以Schaffer’sF6函数为例,通过仿真证明了该算法的可行性和有效性。最后,本文对基于捕食策略的量子遗传算法的应用条件作了简单说明,并对算法可能存在的改进之处作了简单介绍,为未来的研究提供了一定的参考方向。