膜计算是自然计算的一个重要分支，其研究的计算模型被称为膜系统即 P系统，具有极大并行性和分布式特点。膜算法是膜计算中比较热门的研究方向，主要是将膜系统和各种启发式算法相结合来解决实际问题，它是膜计算和实际应用之间的桥梁，目前来说，关于细胞型和组织型膜算法的研究成果比较多，关于神经型的膜算法研究相对较少，本文主要研究关于脉冲神经膜系统的膜算法。组合优化问题是指在给定的约束条件下，求得使目标函数最大或最小的变量组合问题。　　从理论上来说，任何一个组合优化问题都能够通过枚举法找到最优解，但是随着问题规模的扩大，会出现所谓的组合爆炸问题。近年来，启发式优化算法的出现为解决组合优化问题提供了一条新的途径，同时，根据膜系统的特性，膜系统的高度并行性又能够进一步提高启发式算法的效率，所以本文将启发式算法与膜系统相结合，来解决组合优化问题。　　本文从理论和应用两个方面进行了研究，首先提出了局部同质的异质加权脉冲神经膜系统，并通过模拟注册机，研究了该系统的计算能力，其次将该膜系统与启发式算法相结合，并用来解决两种典型的单目标组合优化问题。　　主要研究内容如下：　　一是依据神经中枢的生物机制，提出了局部同质性的概念，并根据此概念设计了局部同质的异质加权脉冲神经膜系统，然后在产生模式和接收模式下模拟了注册机的工作，证明了局部同质的异质加权脉冲神经膜系统的计算通用性。　　二是提出了优化的局部同质的异质加权脉冲神经膜系统（优化 IHWSNP 系统）。首先把SNP系统能够产生二进制语言的特性和所提出的局部同质性概念相结合，设计了扩展脉冲神经膜系统（ESNPS），然后将ESNPS结合启发式优化算法，设计了优化IHWSNP系统。将PSO作为优化IHWSNP系统的导向器算法，提出了基于PSO算法的IHWSNP系统，解决了置换流水车间调度问题，并且我们在证明其可行性的同时，和基本的粒子群算法作对比，证明了基于 PSO 算法的IHWSNP系统的有效性。　　三是进一步改进了优化 IHWSNP 系统，增加了开关控制器的功能，用控制器内规则来控制扩展脉冲神经膜系统集群的激发与否，仿真实验结果表明，此系统能够有效地解决置换流水车间调度问题中的Rec类问题。　　四是将优化 IHWSNP 系统的改进结构与遗传算法相结合，提出了基于 GA算法的IHWSNP系统，用来解决30个城市的旅行商问题，结果表明，基于GA算法的IHWSNP系统在寻找最优解方面比传统的遗传算法更有优势。