量子智能优化算法与其对应的经典优化算法相比具有更好的种群多样性;种群分散性好,小种群染色体可以对应多个搜索状态;更具并行性;收敛速度更快;具有极强的全局搜索能力等优点。量子粒子群算法是将量子计算与模仿自然界生物行为的粒子群优化算法相融合的量子群智能优化算法。本文主要研究量子粒子群算法的特性及其改进,并将其应用于图像矢量量化码书设计中。主要的研究工作有:首先,研究了粒子群优化算法及带权重和带收缩因子的粒子群算法的特性,并在此基础上研究量子粒子群算法的基本原理和算法流程,通过仿真实验表明,在复杂函数优化问题中,量子粒子群算法比粒子群算法有更好的优化性能。其次,研究了量子进化算法、实数编码的量子进化算法的原理和性能,并将实数编码的量子进化算法的思想引入到粒子群算法中,提出一种新型的量子粒子群算法。几组基准函数的实验仿真和0-1背包问题的应用研究结果证明了所提出的新型的量子粒子群算法的可行性和高效性。最后,研究了矢量量化技术、LBG码书设计算法及其改进算法的性能。给出了基于粒子群、量子粒子群以及新型量子粒子群的矢量量化码书设计方法的设计过程和算法流程,通过测试图像的仿真实验表明,新型的量子粒子群算法能够设计出比量子粒子群算法、传统的LBG及其改进算法具有更高性能的码书。