本文天津津腾实验设备有限公司将经典PSO、改进PSO等六种有代表性的粒子群算法放入六个膜内，利用膜计算的分布并行性，提出膜计算多粒子群算法；然后，通过测试函数并与其他算法进行比较，证明MC-MPSO算法对不同类型优化问题的适用性；最后，将所提算法应用于可靠性优化问题，验证了MC-MPSO算法的有效性。
1 膜计算多粒子群算法的提出
膜计算多粒子群算法的思想是：将六种具有不同优点的粒子群算法分别放入六个基本膜内，在算法进化前期，各粒子群算法按照自身机制搜索，即各基本膜各自进化来充分发挥各基本膜内算法的优势；在算法进化后期，各基本膜内算法与比自身更好的膜内最优解粒子交流，通过载体综合各个基本膜共同完成寻优任务，表层膜逐步排除搜索能力差的膜，而最适合解问题优化求解的膜长大并输出。
2 算法执行步骤
(1) 首先设定膜结构为六个基本膜外包围一个选择当代最好的粒子复制，并按出规则进行记录。
(2) 迭代初期，各基本膜按自身机制进行优化，
(3) 通过测试，各算法运行t0代时已将算法优势体现比较完全，因而从t0代开始，各基本膜分别选择膜内最好粒子交给各自复制移民载体，各载体 满足拓扑质数条件与动态切换条件时送至对应膜内，若比当前膜内本代最优粒子好，则按入规则把载体内粒子放入膜内进行吸收；否则，载体将携带的粒子吞噬并将对方膜内满足条件且比携带粒子好的本代最优粒子运回，放入本膜内更新。
(4) 各膜间的每次交流执行入规则都会被记 录，当后期膜间交流次数满足催化剂要求时，对记忆因子进行排序，将最小记忆因子对应的膜进行表层膜的胞外分泌，直至剩余一个最适合求解优化问题的膜，当达到终止条件即迭代次数为 tmax 时，将该基本膜内粒子溶解至表层膜中输出。
3结论
(1)针对单一一种粒子群算法在求解不同优化 问题的适应性不足，提出了膜计算多粒子群算法，并提出基于质数拓扑结构的膜间载体交流机制，提高了算法的搜索精度和计算效率。
(2)将所提出的MC-MPSO算法进行了算法测试与对比，并应用于串联系统、桥式系统的可靠性优化问题，验证了MC-MPSO算法对于解决优化问题的可行性。
