Los sistemas evolutivos (ES) incluyen aplicaciones de software que resuelven problemas utilizando métodos heurísticos en lugar de deterministas. La computación clásica utilizada para el desarrollo de ES implica métodos aleatorios para mejorar diferentes tipos de genomas. Los mapeos de estos genomas conducen a individuos que corresponden a las soluciones buscadas. Las evaluaciones individuales mediante simulaciones sirven para mejorar sus genotipos. Las computaciones cuánticas, a diferencia de las computaciones clásicas, pueden describir y simular un gran conjunto de individuos simultáneamente. Esta característica se utiliza para disminuir el tiempo de búsqueda de las soluciones. Las Redes de Petri Cuánticas (QPNs) pueden modelar sistemas dinámicos con características probabilísticas que las hacen apropiadas para el desarrollo de ES. Se presentan algunos ejemplos de aplicaciones de ES que utilizan las QPNs para mostrar los beneficios del enfoque actual. La investigación actual resuelve problemas evolutivos cuánticos utilizando algoritmos genéticos cuánticos concebidos y mejorados basados en QPN. Fueron probados en un sistema dinámico utilizando un Caminante Controlado Discreto Cuántico (QDCW).