自然界和人类社会中的许多系统都具有较高的复杂度,如果按照一定的规则将其抽象为由节点和连接关系组成的复杂网络,将利于人们对现实世界规律的探索。互联网的发展为复杂网络提供了技术上的支持也使复杂网络研究成为人们关注的对象。科学家们通过探索现实世界中的内在规律来构建符合真实网络特征的复杂网络模型,并从分析复杂网络的过程中发现现实网络具有的特征。复杂网络的研究不仅对复杂性科学本身的发展有着重要意义,而且对动力学的探索提供了前提和保障。作为社会动力学重要组成部分之一的命名博弈,是在复杂网络上研究语言的形成和演化的一个博弈模型,它模拟了在复杂网络上个体在零监管和零组织的情况下进行自组织交互直到观点统一的过程。近年来,复杂网络上的命名博弈研究方面涌现出的大量成果为还原语言的演化过程提供了重要参考。在查阅了大量国内外关于复杂网络上命名博弈研究文献的前提下,本文对复杂网络和命名博弈的经典模型和研究现状进行了归纳。从以往的研究中发现,命名博弈所应用的复杂网络的拓扑结构和性质对词汇的演化过程会产生一定的影响,为了探索多社区网络中社区之间词汇竞争和收敛的规律,本文提出了多社区网络的社区间加边模型。主要工作如下:1.通过参考BA网络的构建过程而提出了社区间加边网络模型构建方法,该方法参考了著名谷歌网页排名算法PageRank算法来计算网络中节点的重要程度,并根据计算出的节点重要性度量值和节点在网络中的度来选择建立连接的节点。与此同时,引入了社区间耦合度作为社区化强度的度量值,并分析有关参数与社区间耦合度之间的关系。2.将该网络加边模型应用于多社区网络上并选择最小命名博弈在构建好的网络模型上进行演化。发现社区间耦合度的大小会影响最终词汇收敛的个数,网络的社区性越明显,词汇越容易形成局部收敛。当社区与社区之间的连接到达一定程度时,网络上演化的词汇最终能够统一。3.选择不同的命名博弈模型在网络上进行演化,通过分析总词汇数、不同词汇数、平均协议成功率的变化情况,发现随着网络社区化的减小,不同博弈模型的收敛词汇数趋于统一,且在相同网络下有限记忆命名博弈模型更有利于词汇的收敛。4.对比不同社区耦合度下词汇的收敛快慢可以发现社区化越强网络局部收敛的速度越快,同时,不同的命名博弈模型、策略的选择以及网络中节点的平均度都会对词汇的收敛速度产生影响。