秀丽线虫神经网络结构简单,功能行为丰富全面,是研究生物智能和机器智能的重要模式生物。秀丽线虫神经网络的完整连接图谱已被描绘出来,但神经元间的突触连接强度依然没有确定,意味着仍无法了解秀丽线虫行为产生的机理。本文利用软件仿真的方式构建了一种秀丽线虫神经网络模型,模拟了线虫的轻触应激、觅食和回避行为,可为研究秀丽线虫的行为产生机理提供参考。具体研究内容如下:1.传统前馈神经网络多采用静态神经元模型且拓扑连接为层级结构,不适合对神经元动态变化且拓扑连接含有环型结构的秀丽线虫神经网络进行模拟。本文采用离散Hopfield动态神经元模型,将秀丽线虫神经网络中的化学突触连接建模为单向连接,缝隙连接建模为双向连接,构建了一种秀丽线虫神经网络模型。该模型是反馈神经网络,其拓扑连接与秀丽线虫神经网络保持一致,神经元输出也随时间变化,能与秀丽线虫神经网络保持较高的相似度。2.上述秀丽线虫神经网络模型拓扑连接具有环型结构,无法计算梯度,因此,本文使用无需梯度信息的遗传算法对该模型的参数进行学习。为了提升遗传算法的收敛效果和收敛速度,本文使用人类行为算法对遗传算法中的交叉算子和突变算子进行改进。改进的交叉算子和突变算子都使用了优生策略。交叉算子首先通过人类行为算法找出待交叉两点连线间的所有局部极小值点,然后选择适应度较高的局部极小值点作为子代。改进的突变算子以待突变的个体为起点,然后随机选取一个搜索方向,使用人类行为算法将该搜索方向上的全局最小值点找出并作为突变后的个体。本文通过实验验证了上述方法的有效性。3.利用上述秀丽线虫神经网络模型,本文分别建立了秀丽线虫轻触应激、觅食和回避行为的局部神经网络模型。秀丽线虫行为表征为局部神经网络模型中的输入模式和理想输出模式。针对觅食行为和回避行为,本文结合秀丽线虫运动过程中旋转转弯随机发生的特点,构建一种加入随机特征的二维运动模型。实验结果表明,秀丽线虫能够表现出轻触应激行为,也能够顺利找到食物并回避伤害性化学物质,并且实验仿真的运动轨迹与线虫真实运动轨迹相似。证明了本文所构建的秀丽线虫神经网络模型、行为表征方法以及运动模型的有效性。