膜计算是一种新型的从生物细胞以及细胞膜的结构与功能中抽象出来的并行分布式计算模型,有着巨大的研究价值和应用潜力。在膜计算的基本原理与架构下,受内质网的结构与功能启发,并融合进化计算及数学规划方法的研究成果,本文进一步研究了膜计算优化算法的算法改进及应用问题。本文的主要研究成果如下：(1)受内质网功能和结构的启发,通过改进算法膜结构以及进化规则,提出了一种具有新型膜结构的膜计算优化算法——ER-MC (Endoplasmic Reticulum inspired Membrane Computing Optimization Algorithm)。该算法具有两个并行的子系统及一个类内质网体,子系统中使用了膜计算中的改写、交叉、移位、选择、交流规则。类内质网体内使用了两种创新的进化规则——提取规则与合成规则,有效提高了算法性能。选取了9个测试函数来构建测试环境,与其他算法寻优的结果对比,显示了该算法具有收敛速度快,求解精度高等特点。(2)受内质网与细胞内各种质器之间具有广泛联系这一结构的启发,通过改进膜之间的交流机制,在ER-MC算法的基础上提出了一种具有新型交流模式的改进ER-MC算法—ncER-MC(ER-MC with new communication mode),并引入了罚函数法来处理约束问题。选取4个有约束测试函数构建测试环境,并与ER-MC算法以及GA算法进行比较,结果显示了该算法的优越性。(3)将ER-MC算法用于化工过程的参数估计,以石油工业中的渣油加氢过程为背景进行了仿真研究,所得结果与nmDNA-GA等方法等进行了比较,显示了该算法的有效性。将ncER-MC算法应用于炼厂汽油调合过程中,对包含价格不确定性的三天汽油调合模型进行了仿真研究。所得结果与BIAMC及GA算法进行比较,显示了该算法的有效性。