従来の神経回路網では，与えられた問題に応じて階層型や相互結合型などの基本構造を選択し，対応する学習方法を用いて結合荷重やしきい値を調整するのが一般的である．しかし，あらかじめ選択した構造で，与えられた問題を必ず解けるとは限らない．そこで，遺伝的アルゴリズム（GA）を用いて，任意性が高く未知の問題に柔軟に対応できる神経回路網の獲得を可能とするFlexibly Connected Neural Network（FCN）が提案されている．FCNはエイリアス問題を含むエージェントの行動制御などで有効性を示している．しかし，従来のFCNでは中間ユニットの個数は経験的に決定していた．あらかじめ与えた中間ユニットの個数が適切な場合は問題を解くことができるが，中間ユニット数が足りなければ問題の解は得られず，多過ぎると冗長な部分が増え最適化が困難になるという問題点があった．本論文では，FCNに進化過程で中間ユニット数を増減させる拡張を導入する．本手法は，中間ユニット数を進化によって自動的に決定するため，中間ユニットの個数に対する試行錯誤を必要としない．このユニット数自動決定型FCNを，静的環境での未学習マップにおけるエージェントの行動制御を扱うタルタロス問題に適用し，有効性を示すとともに，獲得した構造による行動規則の解析結果について述べる．