电平数一定下的最佳量化器设计可以在计算机上用迭代方法完成：

初始化，令表示迭代次数的参数m=0，然后选择一组（L个）合适的矢量作为初始码本yi（0），算出初始子均失真D（0）；接着按最近邻原则进行分类，对训练矢量集中的每一个矢量找出与其失真量度最小的码矢yi，将对应相同码矢yi的训练矢量归入同一类Gi（m）（1≤i≤L）；然后是码本更新，m 1→m，重新计算每一类的质心，得到新码本yi（m）（1≤i≤L）及新的平均失真D（m）；最后是终止测试的阶段，即测试平均失真的减小量D（m）-D（m 1）是否小于给定的阈值，若满足则迭代终止，否则再回到按最近邻原则分类的步骤继续进行。

迭代法是由S．P．劳埃德在一维情况下以标量量化的形式提出来的，在标量量化时称劳埃德算法，在矢量量化时则称为广义劳埃德算法或LBG算法。LBG算法是因为R．林德，A．布佐，R．M．格雷三人首先将这一方法用于矢量量化，并证明在非度量性失真量度中此法仍然有效而得名。广义劳埃德算法一般只收敛于局部极值点，不能保证得到全局最佳。适当地选择初始码本可以部分地解决这一问题，并近似得到全局最佳。