近年来,随着人工智能技术的发展,需要处理的问题规模越来越大。然而,电子计算机模型计算能力的发展速度正在逐渐放慢,使得人工智能技术在求解大规模问题时遇到的计算能力方面的困难越来越突出。为了打破这一限制,越来越多的科学家开始寻找新的拥有更加强大的计算能力的计算模型。受到自然界信息处理机制的启发,具有天然的分布式并行计算特性的自然计算就是其中之一。膜计算,作为自然计算的新分支,是由罗马尼亚科学院院士P?un教授提出的分布式并行计算框架。它已受到越来越多研究者的关注,其相关思想已经被广泛应用在了组合优化、经济学、计算机图形学和语言学等领域。膜计算,也被称为P系统,其相关研究主要包括计算模型研究和P系统设计两个方面。其中,在计算模型研究方面研究者们已经提出了类细胞P系统,类组织P系统和类神经P系统三种基本计算模型。在P系统设计方面,研究者们也已经针对众多领域的问题设计出了一系列P系统,包括处理经济学领域问题的数值P系统,实现基本算术运算的算术运算P系统,以及求解各种NP难问题的P系统等等。在以往的研究中,有很多研究者在设计的P系统中使用了遗传算法,蚁群算法等进化算法,但是这些算法在以往的P系统中并没有被使用纯规则实现,而是作为子算法或抽象的计算过程存在的。本文基于膜计算模型的极大并行性和不确定性的特点,将两种具有代表性的生物进化算法与膜计算模型相结合,研究并设计了遗传P系统Π_GA和蚁群P系统Π_ACS。主要工作内容如下:（1）设计了基于类细胞模型和遗传算法思想的遗传P系统Π_GA,包括其膜结构和进化规则。对Π_GA的计算性能和并行特性进行了分析,并通过实例与仿真说明其正确性和实用性。（2）设计了基于类细胞模型和蚁群算法思想的蚁群P系统Π_ACS,包括其膜结构和进化规则。对Π_ACS的计算性能和并行特性进行了分析,并通过实例与仿真说明其正确性和实用性。遗传P系统Π_GA和蚁群P系统Π_ACS的提出对膜计算模型和生物计算算法都具有重要意义。它们不仅将膜计算的计算研究从基本运算扩展至基于算法框架的复杂运算,同时为遗传算法和蚁群算法的并行实现提供了新的思路。