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。