联想式学习与记忆是实现认知功能、涌现智能行为的重要机制。联想机制、记忆容量、信号与信息的神经表达、联想思维的节律及其转移机制、智能的涌现机理等等，均是当前认知与智能科学的热点研究课题。针对这些问题，本文立足认知心理层次，交叉研究了网络图论、人工神经计算、神经生理的“反响回路”学说以及联想记忆等相关理论，探索性地提出了一种基于弹性网络局域动态搜索机制和多主体分布式演化计算算法结构的新型多功能联想记忆模型，研究了基于所建联想记忆模型的模式学习、模式联想、模式关联以及系统演化动力学等问题，开展了相关问题的算法研究、软件设计和模拟研究等工作，取得了若干研究成果，具体体现在以下几方面： 1．提出了一种基于“反响回路”学说、弹性网络局域动态搜索机制和多主体分布式演化计算算法结构的新型多功能联想记忆模型。该模型具有记忆容量大、联想功能丰富等特点。 2．研究了基于所建模型的联想式模式学习算法。该算法模型体现了结构自组织、神经回路反响谐振等生理学特征。 3．分析研究了所建模型的模式联想动力学特性。外部环境刺激激发的模式联想等效于“边界限定(部分模式特征匹配)条件下的有效搜索”；内部环境扰动激发的模式联想具有多重联想和连锁式序列联想等思维功能。 4．设计了面向联想记忆功能、基于并行遗传算法框架的动态网络局部搜索优化算法。采取分布式弹性共振、自适应弹性调节以及偶尔的人机交互等策略，提高了系统维持能力，强化了局域搜索、实时性和动态适应性等功能。 5．研究发现，这种基于“动态弹性调节”策略的遗传算法还可改进传统GA的静态全局优化性能。在相关实验研究中，本文分别发现了中国144城市TSP问题和卡塔尔194城市TSP问题新的最优解。 此外，本文还初步研究了与所建模型相关的重复学习、关联学习、短时／长时记忆／遗忘以及联想记忆的随机性随意性等认知心理问题。 在本课题的研究过程中，笔者还进行了大量的程序设计和模拟研究，所得到的一些结果比较有力的支持了本文所提出的一些观点和方法。