随着集成电路工艺的不断进步，集成电路的设计变得越来越具有挑战性。目前集成电路的设计一般通过人工设计方法实现，需要较多的时间和成本。智能优化算法是以自然界生物群体所表现出的智能现象为基础而设计的一类优化算法，而基于智能优化的集成电路设计技术能使电路像生物一样，具有对环境变化的自我进化、免疫和自适应等特征。本文介绍了各种智能优化算法的基本原理和操作流程，并分析对比了各自的优缺点，在此基础上选择了应用最广以及全局搜索能力较强的遗传算法作为研究的重点；详细讨论了小生境遗传算法、免疫遗传算法和精英遗传算法等算法的基本原理和实现流程，并从它们的编码方式、适应度函数及电路拓扑结构等方面对其在模拟、射频集成电路和数字集成电路中的应用分别进行了研究；以吉尔伯特混频器作为射频集成电路的设计实例，将遗传算法优化设计得到的电路与人工设计所得到的电路进行了比较，仿真实验比较结果表明了当电路的性能指标要求不高、性能解析方程式又比较精确时，优化算法确实能够在一定程度上有效地优化电路设计；最后采用密勒补偿的二级运算放大器作为模拟集成电路的设计实例，将算法优化设计得到的电路与设计人员所设计的电路作了比较，实验结果表明性能解析方程以及目标函数模型的准确性在一定程度上限制了其优化性能的发挥，因此在这个方面还需要有更多的研究工作需要继续深入展开。