量子粒子群算法(Quantum Particle Swarm Optimization, QPSO)是一種基於群體智慧型的最佳化算法，它結合了量子力學的一些概念，如波函式和量子態，以提高搜尋效率和全局尋優能力。
量子粒子群算法的基本思想與傳統的粒子群算法(Particle Swarm Optimization, PSO)相似，都是通過模擬鳥群或魚群的行為來尋找最優解。在這種算法中，每個粒子代表一個潛在的解決方案，稱為「粒子」，它們在搜尋空間中自由移動，尋找最優解。粒子的位置和速度分別代表其對應的實際問題的解和適應度。
在量子粒子群算法中，粒子具有速度和位置，速度代表移動的快慢，位置代表移動的方向。每個粒子通過跟蹤兩個「極值」（個體極值和群體極值）來更新自己的速度和位置。個體極值是粒子自身找到的最佳位置，群體極值是整個種群找到的最佳位置。粒子的速度更新包括慣性項、自身認知項和群體認知項，而位置更新則是基於速度的更新。這種算法的優勢在於簡單、易於實現，並且需要調節的參數較少。
量子粒子群算法在標準PSO的基礎上，通過引入量子特性，如波函式和量子態，來提高算法的搜尋效率和全局最優解的尋找能力。例如，一些改進的量子粒子群算法可能會利用量子變異或量子波函式來增強算法的隨機性和全局搜尋能力。
量子粒子群算法在處理複雜最佳化問題時，如組合最佳化、函式最佳化等，表現出較好的性能。它能夠快速地搜尋到全局最優解，並且在解空間中保持較好的多樣性，避免陷入局部最優。