与传统的遗传算法比较,量子遗传算法是将量子计算与遗传算结合在一起,使算法的解拥有更加有效的并行性和多样性,所以具有快速收敛、寻优能力强和探索效率高的特性。量子遗传算法作为比较优良的的进化计算方法,已经被应用在一些繁琐的项目调度问题的求解当中,并取得了不错的结果。资源冲突常常会出现在不同项目任务共享的资源中,所以在资源约束的条件下怎样去调度项目活动来适应不同任务对共享资源的需要并且尽量减小项目工期是一个首要问题。本文首先介绍量子遗传算法的研究现状和基本概念,例如:量子基态、量子编码、量子旋转门更新以及灾变等。给出基本量子遗传算法的实现流程。针对资源受限型项目调度问题(RCPSP),提出一种优化改进后的量子遗传算法用来求解资源受限型项目调度问题。本方法利用基于角度的量子编码方案,与项目活动的邻接矩阵相结合,解决了项目调度的违规行为,利用优先抢占模式的资源分配方法来调节任务资源,从而解决项目资源分配中出现的冲突问题。实验取用四个拥有不同极值的测试函数对改进量子遗传算法的性能进行分析。得到下面结论:在量子遗传算法中加入量子全干扰交叉操作,能加大染色体的多样性,在解空间内提高了算法的探索能力;加入量子突变操作,能够提升算法的区域探索效能;利用改进量子旋转门和改进量子步长方案,能有效地避免早熟,使算法适用于求解有多个局部极值的问题。论文着重研究改进量子遗传算法及其在资源受限项目调度问题中的应用。提出的基于角度量子编码方案,带有量子交叉、量子突变、种群灾变以及改进量子步长策略的改进量子遗传算法来求解项目调度问题。实验分析说明,通过计算机的多次迭代并行计算,能够有效地解决资源受限项目调度问题。在处理资源受限型项目调度问题中基于改进量子遗传算法的优化方法比传统的量子遗传算法,占用存储空间小,寻优能力强,收敛速度快。