膜计算又称P系统，其本质是从活细胞以及由细胞组成的组织或器官的功能和结构中抽象出模型或计算思想，是一种具有层次结构的分布式、并行计算模型。膜计算(P系统)不是对生物膜功能的简单模拟，而是从多种生物膜的功能和结构中抽象出一些最基本的特性够成的计算模型，其三大关键组成部分为：膜的层次结构，表示对象的多重集和进化规则集。　　 膜优化算法是一种模拟生物细胞内部进化机制的优化程序，这种优化程序具有多层次、区域分割的复杂结构，其特点在于灵活多变的膜结构和强大的包容性，可以融合其他算法的优点来解决实际问题。本文基于现有国内外膜计算及膜优化算法的研究成果，对粒子群优化算法(PSO)和基于P系统的粒子群优化算法(PSOPS)进行了深入研究，探讨了其在PID控制器参数整定中的应用，提出其改进算法并应用于非线性系统的控制中，以此拓展膜计算的应用领域。本文的主要研究内容和成果如下：　　 (1)利用基于P系统的粒子群优化算法(PSOPS)的强大寻优能力，将其应用于PID控制器的参数优化整定中，以工业过程中4个典型的SISO对象为背景进行对比仿真实验，结果表明与传统方法整定得到的控制器参数相比，使用PSOPS优化方法所获得的PID控制器性能最优。　　 (2)针对PSOPS算法中的粒子在搜寻过程中容易表现出“聚集现象”而陷入局部最小值，提出其改进算法，即基于变异PSO的膜优化算法(MPSO-MC)，以弱化粒子在运行过程中的强烈趋同性并充分利用膜算法的并行性和不确定性。该算法采用水平混合变异算子，膜计算中的单层膜结构和交流规则，以及PSO算法中的进化规则等。选取10个搜索空间大、局部极小点多、欺骗性强的Benchmark函数进行仿真(这些函数包括单峰函数和多峰函数，连续函数和非连续函数，求最小值函数和求最大值函数)，并将结果与标准粒子群算法(PSO)和基于膜计算的粒子群算法(PSOPS)的优化结果作对比，显示了该算法的有效性。　　 (3)将MPSO-MC算法用于控制非线性强耦合MIMO系统并设计PIDNN控制器，最后将控制结果与基于BP算法、PSO算法和CPSO算法的控制效果相比较，显示了该算法的优越性。