遗传程序设计(Genetic Programming,GP)是进化计算的一个分支,它基于达尔文适者生存原理,从描述问题解的计算机程序群体出发,模拟自然进化过程,使问题的解不断进化,直至产生最优解。由于其操作对象是规模和形状能动态变化的具有分层结构的计算机程序,使得它在硬件电路的表示,即电路的编码方式上比较优越。粒子群优化算法(Particle Swarm Optimization,PSO)是基于一群粒子的智能运动而产生的随机进化计算方法,源于对鸟群捕食的行为研究。它同GP类似,是一种基于叠代的优化工具,系统初始化为一组随机解,通过叠代搜寻最优值,但是它并没有GP用的明显的交叉及变异,而是粒子在解空间追随最优的粒子进行搜索,也正是由于这点,使得它在参数优化方面更具优越性。现代电子电路技术的发展,使得模拟滤波器成为高精度大规模集成电路中的一个基本模块。本文通过分析GP和PSO算法的思想及实现方式,将它们结合起来运用到有源滤波器的设计当中来,即:首先,利用GP进化设计有源滤波器的电路结构;其次,应用PSO算法优化用GP进化设计出的有源滤波器电路结构的参数,从而得到最终的有源滤波器电路。论文重点研究了GP的改进措施,提出了一种基于模块的个体表示方法,并建立了相应的交叉、变异等遗传操作规则和适应度评价方法;这种方法有效克服了现有GP中的个体表示方法在电路进化过程中计算冗余量大、可复用性小等缺点,提高了算法的寻优能力和收敛速度。本文以各种二阶有源滤波器及四阶状态变量滤波器的进化设计为例,给出了GP和PSO算法相结合实现有源滤波器的进化设计的方法和步骤。使用Multisim 8仿真软件对进化后的有源滤波器电路进行了仿真,其结果表明,所得到的有源滤波器完全可以满足设计要求。论文中,GP部分采用C语言编程实现,PSO算法部分采用C++语言编程实现,均在VC++6.0环境下编译完成。