膜计算(Membrane Computing)是数学、生物学和计算机科学等多学科背景下新兴的研究领域,主要是从细胞或生命体结构中抽象出计算模型并研究其理论、应用和软硬件实现。现有的膜计算模型分为细胞型、组织型和神经型三大类。这些模型被称为膜系统(P系统),其具有分布式、极大并行性、非确定性的特点。大量的理论研究证明,膜系统具有等价图灵机的计算效率。膜系统自动设计是膜计算理论研究的一个重要分支,该研究方向的研究目标是找到能够自动设计不同膜系统的方法。目前研究者在细胞型膜系统领域已经取得了较好的成果,但对于目前研究非常热的脉冲神经膜系统(Spiking neural P system,简称SNP系统),还没有开展膜系统自动设计的相关研究。所以,本文以脉冲神经膜系统为研究对象,对脉冲神经膜系统的自动设计问题进行了探索,提出了自动设计脉冲神经膜系统的一种可行性方法。论文主要工作及研究成果如下:1、实现了程序调用P-Lingua仿真器内核仿真脉冲神经膜系统,并给出了仿真SNP系统的Java源程序。对脉冲神经膜系统实例进行了仿真分析,运行仿真程序得到脉冲神经膜系统实例的格局转换表,实验结果验证了该实例仿真结果的正确性。2、提出一种脉冲神经膜系统进化设计方法,针对脉冲神经膜系统的初始膜结构和规则集,只对规则集进行编码,膜系统和它的规则集一一对应。利用量子进化算法对脉冲神经膜系统的规则集进行自动搜索,自动获得期望的脉冲神经膜系统。然后将此方法应用于三种不同的算术运算膜系统设计,通过实验分别验证了该方法的可行性。3、提出脉冲神经膜系统进化设计的一种改进方法。对量子进化算法的评价部分增加了惩罚项,减少脉冲神经膜系统个体的不期望特征。对程序中的规则执行情况进行了搜索,删除了膜系统中的冗余规则。将改进后的方法应用于相同的三种算术运算膜系统设计,对比实验结果表明,改进后的方法优化了原设计结果,降低了规则冗余,并搜寻和删除了重复个体。相应地,增加了平均适应度函数值收敛的进化代数。