作为自然计算的新分支,膜计算是受生物细胞启发,从活细胞以及由生命细胞组成的器官或组织的结构和功能中抽象出的计算模型,具有极大并行性、非确定性以及分布式等显著特点,它给计算机科学信息处理带来了新的分布式并行的技术和方法。理论上,膜计算模型不仅具有和图灵机同等的计算能力,甚至还有超越图灵机局限性的可能。然而,与膜计算的理论研究相比,膜计算的实际应用研究尚且处在初步阶段,因此本文研究膜计算优化方法及其在连续函数优化、P系统的广播问题和雷达辐射源信号时频原子分析中的应用,拓展了膜计算的应用领域,在理论和应用上都具有重要意义。论文主要工作及其研究成果如下：1.给出基于P系统的粒子群算法(Particle Swarm Optimization Based on P Systems, PSOPS),并将其应用在连续函数优化、P系统广播问题及辐射源信号时频原子分析中,拓展膜计算应用领域。PSOPS结合粒子群算法(Particle Swarm Optimization, PSO)和膜计算的优点,通过采用P系统单层膜结构(One Level Membrane Structure, OLMS),在各个基本膜内分别单独采用基本PSO算法进行寻优,实现种群进化,然后利用P系统的转运与通信等规则,实现各个膜之间的信息交流。对连续函数优化、P系统广播问题及雷达辐射源信号时频原子分析的仿真结果表明,PSOPS比相应PSO具有较强的全局寻优能力且收敛速度快,能有效提高处理P系统广播问题的效率,取得较高的成功率对雷达辐射源信号时频原子分析时能快速有效的在过完备时频原子库中搜索到表征信号特征的最佳原子,降低算法的计算复杂度,提高信号的处理效率,具有有效性与可行性。2.为了进一步提高PSOPS的优化能力,给出引入变异操作的基于P系统的粒子群算法(Hybrid Particle Swarm Optimization With Wavelet Mutation Based on P Systems, HPSOPS),即在PSOPS的基础上,引入小波变异操作,提高PSOPS的局部搜索能力。对连续函数优化、P系统广播问题及雷达辐射源信号时频原子分析的仿真结果表明,HPSOPS比PSOPS、PSO、引入小波变异的粒子群算法(Hybrid Particle Swarm Optimization With Wavelet Mutation, HPSOWM)以及遗传算法(Genetic Algorithm, GA)四种算法具有更强的寻优能力和更快的收敛速度,能更有效的提高处理P系统广播问题的效率,取得更高的成功率。对雷达辐射源信号时频原子分析时能更快速有效的在过完备的时频原子库中搜索到表征信号特征的最佳原子,降低算法的计算复杂度,提高信号的处理效率本文工作得到了国家自然科学基金(60702026)和四川省青年科技基金项目(09ZQ026-040)的共同资助。