研究来源于生活,在现实生活中人类一般身处在多个不同的系统中,而这些系统的结构有时是相对复杂的。因此,复杂网络的研究受到了科学家们的广泛关注。其中,复杂网络上的合作行为的研究受到大多数研究者的青睐。从生态系统和社会系统上来说,合作行为都是无处不在的。然而,依据达尔文的生物进化论,生活中每个个体都是自私的,他们往往更在意自身利益而忽视团体利益(合作行为)。因此,社会中普遍存在的合作行为具有一定的研究意义。而博弈论的提出为研究合作行为的出现和维持提供了一种工具。近些年来,复杂网络上博弈论的研究变得越来越热门。策略更新作为演化博弈过程中的关键一步,个体在发生策略更新前对学习对象的选取对系统合作的演化具有重要影响。在之前的研究工作中,个体通常随机的选择一个邻居作为策略学习对象。在现实生活中,社会个体做重要决策时,通常会考虑自身前期经验;因此记忆机制的引入在复杂系统演化的研究中就相对比较重要。本文主要是基于囚徒困境博弈(Prisoner’s Dilemma Game),研究在格子网络上基于个体策略坚持水平和记忆的偏好选择机制对合作水平的影响。我们设定网络存在一个偏好系数控制系统中所有个体在进行策略学习时,选择不同类型邻居的概率;记忆长度的引入使得博弈个体可以保存邻居策略的变化情况。我们研究了在偏好系数分别为正和负两种情况下,对网络中策略的演化和系统合作水平的影响情况。同时,我们也研究了在同一个偏好系数下,记忆长度的变化对系统合作水平的影响程度。实验的结果表明:在一定的偏好系数下,存在最优的记忆长度使得合作水平达到最大值;在偏好系数大于0时,偏好系数的变化使得系统合作水平达到最大值的最优记忆长度也在不断的变化。当偏好系数小于0时,记忆机制的引入并没有使合作水平有所提高;而在记忆长度为1的情况下,系统合作水平却达到了最大值。越大的记忆长度使得合作水平逐渐向记忆长度为1的情况下趋近,存在使得系统合作水平最低的记忆长度。我们也对比研究了在其它类型的格子网络的演化情况和其它收益矩阵下的演化。研究的结果表明,具有偏好选择机制的博弈模型在方格子网络上的结果对于其他网络结构以及其他博弈参数具有鲁棒性。