在分析量子行为粒子群算法中吸引子指导作用的基础上, 引入两种精英学习策略, 提出了基于精英学习的 量子粒子群算法(QPSO-EL). 采用动态逼近学习策略对精英个体进行局部更新, 协助其跳出自身局部极值点, 引导种 群进行有效搜索; 借鉴群体早熟判断机制对停滞状态下的精英个体空间进行变尺度混沌扰动, 增大种群全局搜索空 间, 有效平衡了算法的局部和全局搜索能力. 典型函数的仿真结果表明, 该算法具有收敛速度快、求解精度高的特点.