随着海洋资源日趋得到关注,人们利用水下潜器完成海洋资源探索和开发的期望也日益高涨,对潜器实现智能控制和自主导航提出了越来越高的要求。路径规划技术直接关系到水下潜器智能水平的高低,是其智能导航控制的关键技术之一。粒子群优化算法(简称PSO)是一种新兴的智能群算法,作为一种并行随机优化算法,它不依赖导数信息,而是通过个体粒子的简单迭代和群体间的信息共享实现复杂的搜索,可以解决非线性、不可微和多峰病态函数等优化问题,并已广泛应用到优化的各个领域。其中一项重要应用正是水下路径规划。但是,标准粒子群优化算法在此方面的表现仍不尽如人意,主要体现在：高维问题中相关参数难以确定。从而,本文在量子遗传算法的基础上,对粒子群算法做了以下改进：1.将标准粒子群算法中的线性递减权重调整为非线性递减；2.基于量子遗传算法,将量子门引入粒子群优化算法,通过对量子门的调整来实时的调整粒子群优化算法的相应的参数,充分发挥量子遗传算法和粒子群优化算法的优势。通过对改进算法和标准PSO算法的对比表明：改进的QGA-PSO算法在收敛时间和收敛精度上均优于标准PSO算法。最后,将改进算法应用到二维已知信息的路径规划中去,并得到了较好的结果。