可逆逻辑是一个新兴的研究领域,对研发和实现超低功耗IC和量子计算机具有重要的理论意义和应用前景。目前,可逆逻辑的综合、优化、实现、应用等方面有许多问题需要解决,显著提高可逆逻辑综合算法的胜任规模和优化程度是一个亟待解决的基础性瓶颈问题。移植和改进成熟的常规(非可逆)逻辑综合、优化算法,例如Quine-McCluskey算法(简称Q-M算法),可能是较好地解决上述问题的有效途径之一。利用并行计算技术也可以有效地缓解甚至解决上述问题。GPU(Graphic Processing Units,图形处理器)拥有很多并行处理的架构优势,较适合进行较大规模的并行计算实现算法加速,因而受到了国内外的广泛关注和研究。基于新型NVIDIA显卡的CUDA (Compute Unified Device Architecture,统一计算设备架构)是目前开发、应用最为广泛的GPU通用并行计算架构。本文以显著提高可逆逻辑综合的胜任规模和优化程度为目标,研究了Q-M算法的移植、改进、并行化和基于CUDA的编程。主要做了以下几个方面的工作：首先,本文简要介绍了Q-M算法的原理和要点,提出、分析和论证了针对可逆逻辑的特点,移植和改进Q-M算法的基本思路和具体方法,并通过设计实例初步验证了上述移植、改进方法的可行性和有效性。其次,本文介绍了CUDA的基础知识和开发要点,提出了基于CUDA平台将Q-M移植算法并行化实现的思路和方法,并进行了具体的编程实现。希望本文的工作对于常规算法面向可逆逻辑综合、优化的移植、改进以及并行化编程和实现,具有一定的参考价值。