类细胞膜计算模型作为一种具有强大计算能力的分子计算模型,为解决复杂问题提供了一种新的解决方案,在控制、数学以及生物学等多个学科中得到了研究和发展。近年来类细胞膜计算模型在优化领域的研究才崭露头角,就受到了国内外学者的关注。而且如何利用类细胞膜计算模型自身的特点,有效地改善优化方法的求解性能已成为一个值得深入研究的问题。本文基于类细胞膜计算模型,为解决优化领域中的问题进行了系统的尝试。针对优化领域中的单目标、多目标和动态优化三类关键问题,提出基于类细胞膜计算模型的三种启发式优化方法,并通过利用国际公认的标准测试函数和转炉炼钢生产中的实际问题对所提方法的求解性能进行验证。本文的研究工作主要包含以下内容：(1)提出一种基于类细胞膜计算模型的单目标演化膜算法。针对单目标优化问题,对类细胞膜计算模型中的对象、反应规则和膜结构三要素进行改进。在表层膜区域,为改善对象在搜索空间内的分布,提出一种基于混沌系统初始化对象的机制。在基本膜区域,提出通过细胞自动机模型调用重写规则来进化对象的操作,该操作可以产生良好的候选对象。当基本膜内的反应规则被执行后,将基本膜内的对象发送回表层膜。在表层膜区域,将来自不同基本膜的对象进行重新组合,并将组合后的对象集发送到基本膜进行再次进化,该对象集可以实现不同基本膜内的对象信息共享。当所提算法满足终止条件时,表层膜区域存放的最优对象即为优化问题的全局最优解。(2)提出一种以演化膜算法为基础的多目标演化膜算法。与单目标优化问题不同,多目标优化问题含有多个目标函数,目标函数之间存在相互制约的关系,其中一个目标性能的提升可能导致其它目标性能的降低。针对这类问题,多目标演化膜算法建立在演化膜算法基础上,对演化膜算法中的对象初始化方式和重写规则的设计进行改进。此外,由于候选对象的多样性和空间分布直接影响着所提方法的求解性能,所以将非支配排序和拥挤距离引入到所提算法中。为避免寻优过程中最优对象的流失,在表层膜区域引入可以记录整个寻优过程中最优对象的归档对象集,该对象集可以加快所提算法的收敛速度。(3)提出一种基于类细胞膜计算模型的动态演化膜算法。针对动态优化问题,对类细胞膜计算模型的三要素进行改进。为改善所提动态演化膜算法的求解性能,提出4种特殊的对象,这些对象既可以提高所提算法的收敛性又可以增强候选对象的多样性。针对基本膜个数设置问题,引入一种基于单链式层次聚类的方法来计算基本膜个数的操作。当利用重写规则对对象进行进化时,其中的一些对象可能出现在过度拥挤区域或者跳出当前基本膜的区域。针对对象过度拥挤的问题,提出一个删除当前膜内拥挤对象的拥挤规则,该规则可以增强候选对象的多样性。针对对象从当前基本膜区域跳到另一个基本膜区域的问题,引入重叠规则将两个膜合并,这可以避免两个膜因搜索相同区域所导致的搜索效率降低的问题。在此基础上,利用环境变化检测规则对新环境进行检测,从而提高所提动态演化膜算法适应环境变化的能力。选用国际公认的标准测试函数,对上述所提基于类细胞膜计算的优化方法的有效性和可行性进行验证和分析。另外,针对转炉炼钢生产过程中的终点碳温预测和铁合金加入量计算问题,结合极限学习机网络模型,建立两种基于数据驱动的模型：一是利用演化膜算法优化极限学习机网络参数的终点碳含量和温度的预测模型；二是在使加入铁合金后的钢水成分满足钢种规程要求的前提下,利用多目标演化膜算法对铁合金加入量和成本进行优化,最终建立一种优化铁合金加入量的计算模型。在仿真实验中,利用某钢厂实际冶炼数据验证所提两种模型的有效性。