在经济社会及理论研究中,同步和合作行为是广泛存在的,已有许多学者对同步或合作行为分别进行了研究,但却较少有研究将两者相结合。事实上在现实生活中,由于个体间交互通常需要付出成本,合作与同步之间是存在耦合关系的。因此本文就针对合作与同步的耦合关系,在Kuramoto模型的基础上,建立了包含同步与合作的更符合现实意义的模型。同时运用最优选择的方法,观察并探究在不同的最优选择参数下,合作率以及同步率的变化情况。本文基于ER网络,在经典的Kuramoto模型中引入了成本以及收益,从而将同步以及合作结合了起来。与以往不同,振子需要付出成本与邻居同步,这样的同步行为在本文中可以被理解为合作,而剩余不愿付出成本的振子会等待合作者同步到他们所在的相位,即搭便车者,这样的同步行为在本文中可以被理解为背叛。其次,有别于以往研究,本文在选择学习策略的邻居时运用的是最优选择的方法,即与自身有交互的个体中,收益越高的邻居被选为策略贡献者的概率越大。具体来说,本文首先对传统的随机选择和最优选择两种方法进行了比较,发现最优选择对于维持合作以及同步行为有着更好的促进作用。接着,本文研究了不同平均度下的合作率以及同步率,结果发现随着平均度的增大,合作率先逐渐增大后稳定在较高的水平上,最后逐渐衰减到接近于0。并且当系统的相对成本以及耦合强度越小,其能够维持合作的平均度的范围越大。同步率的演化趋势与合作率相似,不同的是,同步率存在最优的平均度,即此时系统的同步率最高。最后,本文研究了最优选择参数对于合作以及同步行为的影响,结果发现合作率与同步率的变化趋势是一致的。其次,当最优选择参数为正数且较大时,每个个体在与邻居的交互中,都会以更大的概率选择收益较高的邻居进行学习,反之,当最优选择参数为负数时,个体在与邻居的交互中,会大概率选择收益较低的邻居进行学习,即最优选择实际上是对收益的选择。最后,本文的研究有助于加深复杂网络上合作行为与同步的动态耦合研究,为最优选择有利于合作以及同步行为的演化提供了理论依据,同时也丰富了Kuramoto模型中对于合作行为的研究。