【目的】量子蚁群算法是一种常见的智能仿生算法，广泛的应用在数学优化、工程技术等领域。该算法在求解旅行商问题时也表现出良好的效果，但当城市规模变大时求解该问题就会出现算法收敛速度慢、早熟、全局寻优能力较弱等问题，为了解决这方面的问题，提出了一种优化的量子蚁群算法。【方法】将部分量子蚁群算法中信息素更新机制与量子旋转角更新机制结合，改进量子选择策略，并将轮盘赌法应用在状态转移规则模型中。【结果】分别使用标准库中的样本和自定义样本，利用Python平台进行实验仿真，通过与其他算法进行比较，并在给出了详细的对比过程。在求解旅行商问题时，提出的算法在最优值差别不大的情况下，减少了早熟，大幅度提高了算法的收敛速度。【结论】提出的算法是有效的，具有一定的实践意义。