生物计算是横跨计算机科学和生物技术等多学科,探索新型计算技术的研究领域。膜计算是生物计算的一个重要分支,旨在研究从细胞的结构和功能中抽象出的计算模型,这类计算模型称之为膜系统。脉冲神经膜系统是一类受生物神经元以脉冲的方式传递信息的机制启发设计的神经计算模型,是当前膜计算领域研究的热点。本文主要围绕脉冲神经膜系统的拓扑结构、规则形式、规则的使用条件、神经元之间的通信方式和软件实现展开研究。主要内容包括以下几点:传统的脉冲神经膜系统具有网状结构,而膜计算的基本模型(细胞型膜系统)则具有嵌套结构。本文从数学角度出发,通过结合细胞型膜系统的嵌套结构与传统脉冲神经膜系统中利用正则表达式控制的脉冲整合-激发规则,建立了一类具有嵌套结构的脉冲神经膜系统-细胞型脉冲神经膜系统。研究了细胞型脉冲神经膜系统的数字产生能力,证明了这类系统具有计算通用性。另外,研究了细胞型脉冲神经膜系统的语言产生能力,建立了基于语言产生能力的细胞型脉冲神经膜系统的层次体系结构。脉冲神经膜系统以多重集作为数据结构,以文法形式的规则作为数据操作的计算方式难以处理一些与数值有关的问题;而且神经元的整合-激发行为的不连续特征为设计学习算法带来很大困难。针对这些问题,本文在脉冲神经膜系统中引入了一种数值形式的规则,建立了数值型脉冲神经膜系统。在这类系统中,通过用数值型变量和数学函数取代脉冲和文法形式的规则,使得系统能够处理数值型问题;并且数学函数形式的规则使得为系统设计学习算法成为可能,提高了数值型脉冲神经膜系统的应用潜力。研究了数值型脉冲神经膜系统在产生模式和识别模式下的计算能力,证明了该类系统在这两种工作模式下都具有计算通用性。在传统的脉冲神经膜系统中,判断一条与正则表达式关联的规则是否可以使用是一个NP困难问题,将会产生大量的计算损耗。为了获得更为简单的控制规则使用的机制,受生物神经元细胞膜具有极化现象的启发,本文提出了一种利用电荷作为规则使用的控制条件的新机制,构建了带电荷的脉冲神经膜系统。证明了带电荷的脉冲神经膜系统可以达到计算通用性。这个结论的意义是:在不降低脉冲神经膜系统的计算能力的情况下,极大地降低了系统的计算损耗。在上述结果的基础上,通过分析和优化被模拟的小通用注册机中的指令,构造了一个用于计算函数的带电荷的小通用脉冲神经膜系统。本文研究了在使用一种类型脉冲的情况下,基于请求模式的脉冲神经膜系统的计算能力。证明了一种类型的脉冲能够满足基于请求模式的脉冲神经膜系统实现计算通用性,解决了Zhang等人提出的公开问题:基于请求模式的脉冲神经膜系统在使用一种类型脉冲的情况下是否可以达到计算通用性。这个结论具有重要意义:在基于请求模式的脉冲神经膜系统中,减少到只有一种类型的脉冲降低了系统的描述复杂性,并且降低了以正则表达式作为规则的使用条件所产生的计算损耗。另外,提出了一个衡量各类脉冲神经膜系统计算能力的参数,即非限制神经元数目,并讨论了该参数与基于请求模式的脉冲神经膜系统计算能力的关系。膜计算的软件实现不仅有助于研究各类膜系统的计算性质,还可以辅助设计和验证一些复杂的膜系统,减少繁琐的手工计算。P-Lingua和Me Co Sim为用户设计、仿真、分析和验证不同类型的膜系统提供了一个通用框架。本文开发了一个基于P-Lingua框架的细胞型脉冲神经膜系统的Me Co Sim仿真程序,并用于对细胞型脉冲神经膜系统的不同实例进行仿真,仿真结果表明该程序能够有效地仿真和验证这类系统的计算。