演化算法(evolutionary algorithm)是基于生物进化论的启发式高效搜索算法。遗传算法作为演化算法的一个分支，具有很强的鲁棒性和全局搜索能力，但是也有一些不足，如局部搜索能力差，容易早熟，收敛速度慢等等。量子进化算法是一种基于量子计算概念的进化算法，它吸取了量子计算中的叠加态等思想，采用与众不同的编码形式和交叉变异方法，取得了不错的效果。 本文研究了经典遗传算法和量子进化算法的工作机理，在此基础上提出一种新的混合量子进化算法。该算法通过双编码机制(经典二进制编码和量子概率编码)，以及经典交叉和量子概率编码更新策略，实现了经典遗传算法与量子进化算法的有机结合，在发挥经典遗传算法全局优化能力的同时，利用量子概率搜索提高了算法的局部搜索能力。通过一组(23个)典型函数优化实验对该算法的性能进行了考察，并与QEA进行了比较，实验结果表明本文算法相比量子演化算法，在性能上有明显提高。 通过实验研究了交叉概率和变异概率、旋转角度、群体规模、采样和更新次数等等算法参数对混合量子进化算法性能的影响，并对混合量子进化算法进行了初步分析。