针对量子粒子群优化算法存在早熟收敛的问题，提出一种基于Logistics混沌映射变异的多种群量子粒子群优化算法（CMQPSO），采用分段Logistics混沌映射生成初始粒子群，根据适应度值将群体分为顶层和底层种群。顶层出现聚集时才进行高斯扰动，底层种群则按概率通过Logistics混沌变异生成分布更为均匀的粒子，提高种群的多样性，从而较好地平衡了算法的局部和全局搜索能力。对测试函数的计算表明算法较QPSO等其他算法在搜索能力和收敛速度方面有明显改进。分析了算法重要参数停滞阈值[Cσ]和比例系数[S]对搜索性能的影响，给出合理的取值范围。