支持向量机是一种性能优越的机器学习算法，而其参数的选择对建模精度和泛化性能等有着重要的影响，也是目前机器学习研究的一个重要方向。在简要介绍基本粒子群优化（PSO）算法的基础上，提出了一种量子粒子群优化算法，给出了其实现方式，并通过4个基准测试函数进行性能对比评价。基于这种量子粒子群优化算法，对最小二乘支持向量机（LS-SVM）的参数优化进行了研究。仿真结果表明，量子粒子群优化算法能给出很好的优化结果。