21世纪是互联网的时代,科学技术的蓬勃发展,使得人类社会飞速的前进着,自然界和社会中存在的各种各样的系统也逐渐趋向于复杂化,由于这些复杂系统都可以抽象成复杂网络来研究,因此对复杂网络的研究也变得更有意义。通过对复杂网络的研究,可以帮助人们更好地了解社会中这些复杂系统的演化规律,更方便地去适应社会生活。自然界中,人类之间存在交互关系,动物之间存在捕食与被捕的关系,等等,这类关系即是博弈。博弈论是研究相关个体在相互作用时选择不同行为及会产生的影响的理论,个体在博弈中的目的是利益最大化。通过将博弈论与动态演化相结合,便产生了演化博弈理论,个体在博弈过程中会不断地学习并修改自己的策略以获得更高的利益,对博弈论的研究可以帮助我们更好的理解社会中出现的合作现象。目前,对于复杂网络上的演化博弈的研究已经掀起了一股研究热潮,随着研究的深入,复杂网络的模型越来越接近真实网络,博弈模型也越符合于实际。复杂网络上的演化博弈模型将网络中的节点视为参与者,边视为参与者间的联系,只有有边相连的个体间才可以博弈。个体间通过博弈而获得收益,收益的改变会使个体有选择的增加或减少邻居,导致网络结构的变化;网络结构的变化又会影响个体的博弈过程,从而影响个体的收益与博弈学习过程,因此,网络结构与基于偏好的博弈学习是一种互演化的关系。通过对这种共演化关系的研究,可以帮助我们更好地理解社会中个体交互的复杂性。本文中首先构建了一个基于演化博弈的复杂网络模型,初始网络采用小世界网络,且网络中的节点都具有偏好向量的属性;演化过程中,会有新节点加入,采用优先连接的方式为新节点加边;同时个体会在学习概率?下进行偏好学习,并根据调整概率?进行网络调整。对于收益值的计算,当双方所选策略相同时,收益值为协调博弈中博弈成功时的收益,所选策略不同时,由收益比例?控制博弈的收益;策略选取时,优先考虑了纳什均衡点,生成了一种基于纳什均衡的博弈模型,并与传统的基于策略选择函数的博弈模型的演化结果进行了对比分析,从理论和实验数据两方面证明了我们考虑纳什均衡的博弈模型是更接近于现实网络的。根据计算机仿真结果得出:基于策略选择函数的博弈模型的度分布类似BA无标度网络,服从幂律分布;平均度随网络的演化呈先快速增长,后缓慢下降,最终趋于平稳的趋势;平均收益与模块性都有一个快速增长的阶段,随后保持稳定。对于基于纳什均衡的博弈模型,其度分布接近于真实网络Facebook;平均度随网络的演化逐渐增加,平均收益较基于策略选择函数的博弈模型能更早的达到均衡;模块性小的基于纳什均衡的博弈模型,更能反映真实网络中个体之间不能完全分类的特性。对于网络中涉及到的参数,如博弈学习参数,网络调整参数以及收益比例参数,都是当值大于0.5后,对网络中演化结果的影响将不再明显。策略空间集k的增大,会使基于策略选择函数的博弈模型的模块性增大,而基于纳什均衡的博弈模型的模块性随策略空间集k的增大而减小。根据本文所得出的结论,我们认为考虑纳什均衡点的博弈模型更接近于真实网络,即我们所做的修改是实用并且有必要的。