分析了量子行为粒子群优化算法，着重研究了算法中的收缩扩张参数及其控制方法，针对不同的参数控制策略对算法性能的影响特点，提出将Q学习方法用于算法的参数控制策略，在算法搜索过程中能够自适应调整选择参数，提高算法的整体优化性能；并将改进后的Q学习量子粒子群算法与固定参数选择策略，线性下降参数控制策略和非线性下降参数控制策略方法通过CEC2005benchmark测试函数进行了比较，对结果进行了分析。