遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法，已经广泛应用于各种领域。但是传统遗传算法在解决规模较大、比较复杂的问题时，存在计算量和存储量巨大、易陷入局部收敛等缺陷。因此如何找到一种新型的、改进遗传算法不足之处的智能优化算法是面临的重要问题。量子计算由于其强大的并行计算能力和可以有效的模拟量子行为的能力而日益受到人们的关注。量子算法融入了量子力学的许多基本特性，将它与遗传算法结合，将会大大地提高遗传算法的效率，和弥补遗传算法的一些不足。本文研究了一种将遗传算法与量子计算理论结合的量子遗传算法及其改进与应用。 论文共分六章。第一章为绪论，介绍了量子计算领域的研究现状和量子计算机的优越性。第二章介绍了量子计算的基本概念和几种具有代表性的量子算法，如Deustch算法、Shor算法和Grover算法等。第三章从传统的遗传算法出发，系统介绍量子遗传算法，包括量子比特编码，算法的流程和具体步骤，量子遗传操作，并针对算法的不足提出了一种改进的量子遗传算法。第四章研究了量子遗传算法在TSP问题中的应用，仿真实验的结果表明其搜索到最优解的成功率高，搜索结果好，在性能上优于传统遗传算法。第五章提出了一种基于量子遗传算法的多用户检测方法，仿真结果表明其抗多址干扰和抗远近性能都优于传统检测器和基于传统遗传算法的多用户检测方法。最后，在第六章对全文进行了总结和展望。