对一个对象进行注意与回忆时，必然会包含一群“主注意对象”（之所以打“”是因为它们现在不是主注意对象，而曾经是主注意对象），因为只有这样才能对另一个对象产生足够强的兴奋，从而回忆。回忆时，这个对象的一群“主注意对象”先后兴奋后（因为一般情况下，往往是这个对象所包含的各个“主注意对象”之间的兴奋性记忆最强），要传出兴奋到另一个对象所包含的“主注意对象”中去，而且要使另一个对象的“主注意对象”的兴奋足够强。即使是习惯性兴奋也要几个“主注意对象”才能完成过渡。（比如一个苹果是一个对象，当我们注意这个苹果时，会注意到这个苹果的轮廓、局部轮廓、另一局部轮廓……，注意苹果的轮廓时，苹果轮廓是主注意对象，注意局部轮廓时，局部轮廓是主注意对象……，这些曾经的主注意对象组成了多群主注意对象，也分别表示了对象的不同属性。）

在环境条件下，一对象一般能产生相对稳定的动力预期，也就是说，这个对象的不同属性组成能持续的产生兴奋，易化兴奋奖惩预期中枢，表现为一个奖惩预期中枢的记忆柱持续的接受基本相同强度刺激传入（用a来表示）。带来的这个记忆柱的兴奋强度的增加规律为：a, a/2+a  ,   a+（a/2+a）/2,a+(（a/2+a）/2)/2,……。强度增加值比例为： 1.5，(7/4)/(3/2)=7/6=1.166……，(15/8)/(7/4)=15/14=1.071……，小于1.20倍，表示对象的组成已经刺激兴奋了3个周期。

第一次的增加值超过50%，也就是说当增加值超过20%时，有新的对象产生动力预期，而低于20%，表示这个对象已经刺激了至少3个兴奋周期，刺激产生的兴奋基本要稳定下来。新的对象带来的目的动力值改变稳定后，目的动力的增加值相对于对象没有刺激时的动力值超过30%，就会产生新的目的。将30%的值调高，则智能机器人不易受到环境刺激干扰，但对环境的反应性也会降低，调低，智能机器人对环境的反应性会增强，但其实现目的地过程中更易受到环境干扰，我们应该选取一个适当的值来控制目的地改变。

这就是我在编程时，那样确定目的对象的原因。