量子进化算法是一种结合了量子计算和进化算法的智能优化算法,在传统进化算法的基础上加入了量子计算的相关概念,采用量子比特编码、量子门更新的方式完成进化搜索。比传统的进化算法拥有更高的搜索效率及收敛速度,因此对量子进化算法的研究具有理论价值和应用前景。本文针对量子进化算法解决复杂优化问题的能力不强,容易陷入局部最优的缺点,采用小生境策略和粒子群算法,提出一种改进的量子进化算法,并通过标准函数和枢纽机场航班停机位分配问题验证方法的有效性。首先,就不同旋转方向和角度大小的组合方案进行了研究,对求解复杂函数极值问题进行了多组实验,实验结果证明了动态调整量子门旋转角的优势。然后,使用小生境策略进行种群初始化,将种群分为若干子种群,提高了种群的多样性。针对粒子群局部搜索能力差的问题提出了新的学习因子确定方式,将改进后的粒子群进化方程引入到量子旋转门中,动态调整量子门旋转方向及大小,共同引导染色体进化,提高了编程效率及算法跳出局部极值的能力,通过多组标准函数,验证了改进后算法解决优化问题的有效性。最后,将改进的量子进化算法应用在枢纽机场的航班停机位分配问题中,以停机位空闲时间最均衡,旅客步行距离最短和大型停机位最充分使用为目标函数,选用广州白云机场的航班数据。实验得到的航班平均分配率达到90%以上,验证了改进后的量子进化算法在停机位分配实际应用的有效性和可行性。