新世纪首届膜计算研讨会是膜计算领域研究的起源,膜计算模型的原理源于由细胞组成的器官或组织以及活细胞的结构和功能,从其中抽象总结出计算思想或模型,形成具有层次结构、分布式且有并行性的计算模型。研究已证明,膜计算模型和图灵机具有等价性。粒子群算法是群体智能领域具有代表性的算法之一。粒子群算法在提出伊始时较为单一,针对的是单目标优化问题,缺少处理约束条件和多目标问题的机制,如何创新设计相应的机制或策略,使算法能够解决此类问题,必将影响到算法能否进一步向前发展、能否转化成实际生产力。已有少数研究者关注PSO算法与膜计算模型的改进与结合,但仅限于借助膜系统的高度并行性,在膜计算模型的框架下实现算法。本文主要聚焦于对粒子群算法改进、类细胞P系统改进以及算法融合一体的最佳结构与相应规则等的研究,在实现算法的基础上研究算法性能更高效的改进,使PSO算法中粒子寻优机制更加完善、种群多样性更加丰富、膜系统的结构更加优化、系统运行的高并行性更加明显。概括来讲,本文的主要研究内容有:一是提出基于逆粒子群优化算法的P系统(NPSO-P系统),并从膜系统结构、实验框架、规则执行等方面介绍NPSO-P系统的设计,并在实验中验证其优越性。二是提出基于逆向学习机制的粒子群算法(CODPSO)。算法设计部分详细介绍改进的优化策略,包括参数设计里面的惯性权重、异步变化的学习因子和时间飞行因子,以及引入速度限制以及反弹策略解决界限问题,并且为增加粒子群的多样性引入逆向学习机制,避免陷入局部最优。实验部分通过独立的分实验以及整体的总实验,证明各优化点的优势以及改进算法的优越性。三是提出基于酶数值膜系统的动态权重粒子群算法(CODPSO-AEPS)。基于种群协作的思想,CODPSO-AEPS算法将CODPSO算法运行机制与膜系统的分层结构、规则等融合一体,将每个粒子的位置信息看成是膜区域内的对象,通过规则的运行完成粒子间信息的交换和位置的寻优,借助膜融合规则实现取值策略的择优执行,使算法收敛速度加快,使得最优解更准确。四是应用CODPSO-AEPS算法求解基站优化选址问题。在研究现行TE-LED网络规划中基站规划问题的基本思想后,结合具体问题构建出合适的数学模型,用新提出的算法与动态粒子群算法分别进行寻优求解,对比分析新算法的有效性、并得出基站建站位置信息的解集。