随着网络科学的三大发现——小世界现象、无标度行为、超家族特征被一一揭示,这极大地激发了各个领域科学家对复杂网络的研究热情,复杂网络的研究正广泛地渗透到数理学科、生命学科、经济学科、工程学科等众多不同的领域。从复杂网络的视角研究现实网络中的问题正受到越来越多的关注。复杂网络上的博弈由于在处理现实网络中个体的协作与冲突方面的长处,尤其是研究个体自适应性导致的群体合作行为的涌现方面的特殊优势,能够从宏观、整体上为自然、社会以及生命的描述提供一种普适的理论,具有极为广阔的研究前景。本文对复杂网络上的博弈及其在通信网络资源管理中的应用展开研究,主要工作如下：首先,分析了空间上网络连接的不利性,建立了一种简单的网络场理论,并依据该理论、以及网络的增长机制和优先连接机制,提出了一种复杂网络的时空演化模型。该模型基于作用力驱动网络演化的思想,同时融合了拓扑、权重和距离三者之间的信息,对著名的权重网络模型——BBV模型从空间上进行了扩展。为了将上述模型生成的网络构建在二维网格平面上,建立了一种在二维网格上构建复杂网络的方法。通过数值模拟,该模型生成的网络能够重现真实网络中的空间聚集性、小世界特性、无标度行为等特征,为从时空角度刻画复杂网络的演化提供了新的思路。在复杂网络拓扑结构研究的基础上,对复杂网络上的博弈进行了深入研究,通过对复杂网络上博弈个体的学习机制进行分析,剖析了现实网络个体学习、思维模式的复杂性,提出了一种复杂网络上基于混合学习机制的囚徒困境模型,并对网络结构、背叛诱惑值对学习机制的影响进行了探讨。通过模拟实验证明：背叛诱惑值较小时,基于模仿邻居策略的学习机制能够提高网络的合作水平,而基于历史记忆的学习机制比较稳定,受背叛诱惑值的影响较小,利用混合的学习机制能够使得合作者在很高的背叛诱惑值下仍然能够存活,同时,网络结构对网络个体的合作水平也有一定的影响。在上述研究基础上,研究了权重网络和博弈动力学的互演化行为,提出了一种权重网络结构和博弈动力学的互演化模型,并分别用平均场近似理论和数值模拟的方式对权重网络上的互演化行为从理论和实验上进行了探讨。通过模拟实验证明：该模型能够很好地重现现实网络中网络结构与博弈动力学的互演化行为,网络的财富分布与网络的权重分布具有类似的分布特性,同时,模型生成的网络结构亦能较好地呈现出现实网络所具有的无标度、小世界等分布特性。在上述三个方面研究的基础上,对复杂网络上的博弈在通信网络资源管理中的应用进行了探讨,围绕复杂网络上的博弈在通信网络资源管理中的应用框架,分别对internet上的流量控制和无线协作网络中的分布式功率控制进行了相关研究。通过对现有internet资源管理方法进行分析,以复杂网络上的博弈为工具,利用Stackelberg网络博弈建立了一种通用网络流量控制模型,并提出了基于统一定价和区分定价的两种网络流量控制算法。通过仿真验证,上述两种算法与Tamer Basar等的近似算法相比,能够在用户满意度变化不大的情况下,提高网络服务提供商的收益和网络的整体性能。分析了分布式无线协作网络中的资源管理和网络构架,建立了一种无线协作网络中协作伙伴之间功率分配的对称系统模型,并提出了一种基于演化博弈优化算法的无线协作网络的分布式功率控制算法,该算法能够有效的指导网络用户间的协作行为,与直接传输相比,能够有效地提高系统的资源利用率。