随着社会发展及人民生活水平的不断提高，营养与健康问题逐渐成为社会生活中的热点问题。应用计算机实现营养膳食优选目前越来越广泛地成为营养学和计算机科学领域令人关注的问题。本课题主要研究了量子遗传算法，并将其应用到计算机辅助营养膳食优选中。在对营养师实际配餐流程进行模拟的过程中，应用量子遗传算法解决了营养膳食优选中的配餐速度、配餐精确性问题。　　首先分析计算机辅助营养膳食优选的国内外研究现状，研究了优化算法和量子计算的发展和特点。然后分析了遗传算法的理论基础、实现流程、特点和算法的不足。重点对量子遗传算法的算法基础理论、实现过程和算法特点进行了详细的的研究。并针对了营养膳食优选问题的特点，提出了对传统量子遗传算法通过调整染色体基因初始化方式、改进精英保留策略和引入部分种群灾变策略三种改进方法。最后设计并实现了基于量子遗传算法的营养膳食优选程序，进行对比测试并分析实验结果。　　实验结果表明改进的量子遗传算法优于传统的量子遗传算法,具有更快的收敛速度及很强的脱离局部极值点、避免过早收敛的全局优化能力。改进的量子遗传算法在染色体多基因编码情况下，仍具有较高的寻优能力、可用性和健壮性。通过对比分析改进的量子遗传算法和改进的模拟退火算法的实验结果，表明在解决营养膳食优选问题时，采用改进的量子遗传算法做为核心算法在优选速度、优选效果等各方面均具有明显的优势。改进的量子遗传算法在解决组合优化问题时在搜索效果和搜索速度两方面具备优秀的均衡性。　　研究与实现提高了传统量子遗传算法的算法性能，拓宽了量子遗传算法的应用领域。