随着可逆电路研究的深入,出现了很多可逆电路的综合方法,但这些设计方法普遍针对整个逻辑电路进行综合优化设计,对作为其基础构件的量子逻辑门的研究甚少,而基础逻辑门的最优化将直接影响着量子逻辑电路的整体优化程度。如能对其进行自动进化,获得性能更好、逻辑功能更齐全和量子代价最小的门结构,将会对整个电路的优化设计起到不可小觑的作用。电路进化设计算法(特别是遗传算法),以电路结构和参数为进化对象,无需依赖任何先验知识和规则即可探索广阔的设计空间,可以获得新颖的或更好的设计结果,甚至实现复杂、大规模电路的全自动设计,并且遗传算法具有并行化的特性,将其改造成并行遗传算法,可以提高其电路的求解速度。本文主要研究可逆逻辑门的进化设计方法及其CUDA实现。首先,在分析、比较的基础上,选用易于物理实现的NOT、CNOT、 Controlled-V、Controlled-V+基础门构建完备且通用的门库。其次,对可逆逻辑门建立遗传算法模型及设计方案,并用具体实例验证其方法的可行性和有效性；在此基础上,将遗传算法改造为基于CUDA平台的并行算法。最后,通过对常用可逆逻辑门的NCV并行化实现,并比较了CUDA并行化效率,初步的实验结果证明了遗传算法与CUDA结合应用于可逆逻辑门的优化,即发挥电路进化设计的全局优化能力,又提高了电路的搜索速度。另外,进化设计无需依赖先验知识和人工干预的条件下通过进化来获得满足预定目标的电路和系统结构,这对新型门的(半)自动发现以及对现有门库的扩充均具有参考价值。