为了克服基于实数编码和目标函数梯度信息的双链量子遗传算法存在收敛速度慢和鲁棒性较差的缺点，提出了一种自适应变步长双链量子遗传算法。建立了反映目标适应度函数变化率的数学模型；构造了反映当前搜索点处适应度相对变化率的变步长系数k，通过调整k以改善适应度函数相对变化率从而优化解的搜索过程；提出了在迭代过程中的量子旋转门转角[Δθ]更新策略。针对复杂连续函数的优化问题，设计了算法的具体实施步骤，并对典型复杂函数进行了仿真。结果表明，该算法有效地改善了双链量子遗传算法的鲁棒性，加快了算法收敛速度。