随着科技的进步，科学研究与工程实践中出现的优化问题也变得越来越复杂，传统优化方法在解决这些问题时，存在计算复杂度过高的局限。因此，计算机科学家们提出了许多模拟物理现象，或模仿动物的群体行为，或模仿生物的生理机能等机制的启发式算法，希望在适当的时间内获得质量可以接受的解。　　量子粒子群优化算法是一种新的智能优化方法，其思想主要来源于两个方面:一是经典粒子群优化算法;二是量子力学的基本原理。量子粒子群优化算法具有概念简单、易于实现、控制参数少的特点。尽管其已经在很多领域取得了成功的应用，但算法本身仍然存在一些明显的不足之处:1）缺乏种群多样性，算法在演化后期全局搜索能力不足，在求解复杂优化问题时易陷入局部最优解;2）算法的搜索策略存在某些局限性，如何改进算法的搜索策略仍是值得研究问题。　　本文在介绍量子粒子群优化算法的基本原理的基础上，分析了量子粒子群优化算法存在的问题。针对量子粒子群优化算法存在的不足，本文提出新的搜索策略，在此基础上设计了一种带交叉算子的量子粒子群优化算法。在一组标准测试函数集上的实验结果表明了本文提出算法的有效性。