提出了一种基于实数编码和目标函数梯度信息的量子遗传算法．该方法用量子比特构成染色体，用实数对量子比特进行编码，用量子旋转门进行染色体更新，用量子非门进行染色体变异．对旋转门的旋转角方向的选择，给出了简易快捷的方法；对旋转角大小的选择，结合了目标函数的梯度信息．该方法将每一量子位看作上下两个并列的基因，每条染色体包含两条并列的基因链，每条基因链代表一个优化解．在染色体数目相同时，可使搜索空间加倍．以函数极值问题和神经网络权值优化问题为例，验证了该方法的有效性．