无论是自然界还是人类社会中，都广泛存在着合作行为，人类的进步与发展同样离不开合作。所以对合作行为演化机制的解释一直是进化生物学、统计物理学、社会学和经济学研究的重要问题之一，也是至今最大的一个未曾解决的科学问题。　　目前现有文献中，合作行为的演化博弈问题已经得到了广泛而深入的研究。然而，大部分的研究还是基于传统的博弈模型，包括经典囚徒困境（PDG）、雪堆博弈（SG）和猎鹿博弈(SH)等。Dreber（2008）首次引入“惩罚”策略到经典PDG模型中，提出了经典的CDP博弈机制，并引发了研究者们的广泛研究。现实生活中奖励现象普遍存在，基于这个事实，本文将“奖励”策略引入到经典PDG模型中，探讨合作行为的演变。本文通过组织真人行为学实验，发现“奖励”策略的使用鼓励了对手主动转变态度，促进友好合作产生。奖励机制下，人们更倾向于选择利他行为策略（合作策略和奖励策略），奖励力度越大合作水平越高。结论与CDP机制的最大不同之处，“惩罚”策略的使用在于强迫对手被动选择合作行为，而“奖励”策略的使用促进了主动合作行为产生。　　众所周知，结构化群体往往表现出不同的多样性或异质性。受此启发，我们考虑空间人口邻居的多样性对合作演化的影响。通过数值模拟，发现无论背叛的诱惑取何值，都存在一个中间的邻居比例τ使得整个网络达到最高的合作水平。为了检验其普遍适应性和鲁棒性，我们将此机制引入到雪堆博弈中进行研究，观察到了与囚徒困境类似的结果。　　此外，在充分混合群体中，非对称性已经被证明是一种有效提升合作水平的博弈机制，并取得了卓越的科研成果。显然，非对称机制更加符合现实生活中的交互环境。为此，我们将非对称性机制引入到空间网络的结构化环境中，探讨了实力非对称机制对合作行为演化的影响。通过仿真数据，我们发现实力非对称机制导致合作者团簇的蔓延,有效提高了合作者水平。此外，两类个体实力差距越大，其合作水平越高。同时，我们发现了一个更有趣的现象：博弈个体之间较大的实力差异，导致合作稳定状态难以达到，合作行为推广不显著。此外，为了检测此机制的普遍适应性和鲁棒性，我们将其推广到小世界网络和ER随机网络中,观察到了类似的演化结果。我们的研究成果有利于进一步深入理解现实生活中合作行为的产生。