命名博弈是近年来统计物理学领域值得关注的一个模型。作为用来分析语言在人类社会中进化的一个简单模型，它可以解释在没有人为控制和干预情况下，大面积分布的人口经过多年的演化会使用同一种语言的原因。同时命名博弈还能还原语言演化中的真实过程，包括解释为何命名某物体的词汇数量一般呈现出S型变化。从符号动力学角度观察，我们可以看到命名博弈与系统大小，演化时间有着十分密切的关系。在其演化过程加入记忆效应后，我们还将看到命名博弈中的各个参数将更加地接近现实。本文的主要内容如下： 在论文第一章，我们首先简单介绍作为物理学与社会学结合的各个统计模型。物理学家们利用物理和数学中的概念建立模型，对社会学，包括经济，舆论，疾病等各个方面进行了模拟和解释。通过模型可以发现其中的很多现象有着显著的物理学和数学上的特点，特别是关于时间和网络拓扑结构的度分布特性。本文将着重对Sznajd模型，选举模型以及格劳贝尔有序动力学机制模型进行介绍分析。同时，由于各个模型只是反映了动力学机制，所以文中还将介绍复杂网络，尤其是其中的小世界网络及无标度网络。以往的诸多文献中均提出网络和各个机制的结合可以很好地解决社会学问题，并给出很多合理的建议。 在论文第二章，我们着重研究命名博弈的由来和背景。首先本文关注长久以来词汇学和语言学上科学家的成果，在计算机广泛应用以后，大规模的群体语言模拟成为现实。与此同时，物理模型在社会学上的应用也影响了群体语言模拟，形成了一个更加简易的模型。该模型中存在语言演化中新语言词汇发展的趋同现象；同时其又进一步被用来研究自组织系统的各种特性。在此基础上，人们又对网络类型以及记忆长度等对于命名博弈的影响进行了分析和讨论。 在论文第三章，我们开始考虑了真实记忆留置效应对于命名博弈的影响。考虑到之前的意见传播模型都是二元选择的模型，本文也对普通命名博弈模型进行了改进，模拟的结果显示，在加入真实记忆效应后，结果与之前的命名博弈有比较大的区别。同时，通过拟合，发现改进后的模型对于初值和人为的阈值有很大的依赖性。为使模拟结果更加接近现实，本文又在改进模型中加入了艾宾浩斯记忆效应，最终的结果表现出很好的标度率。 最后是对全文工作的总结和展望。