神经演化并非平滑的线性参数微调，而是在适应度景观（Fitness Landscape）中通过非线性跃变实现的功能突破。这种现象被称为“跃变（Saltation）”，它解释了生物神经系统如何从混沌的初始状态，通过演化策略的驱动，跨越到具有特定行为模式的稳态。

核心逻辑：演化策略与自组织

• (30, 200)-ES 策略：采用 30 个父代产生 200 个子代，这种高强度选择压力是触发跃变的数学基础，有效避免演化陷入局部最优。
• 基于质数标识单一行为的映射算法：将连续的神经动力学输出映射为离散行为。质数的唯一分解性确保了不同神经回路组合产生的功能行为在演化编码中具有唯一性。
• 神经调节剂介入：在动态方程 $\lambda_i(t) = \lambda_i(t-0.1) - g \times 0.1 + s_i(t)$ 中，调节剂改变斜率，导致神经系统从无序到定向行为（如“定向游动”）的质变。