随着Web2.0的发展，微博、社交网站、博客等社交类网络应用已融人人们社会生活的方方面面。社交网络的一个突出特点是个体间相对静态的网络结构和具有动态性、时效性的个体信息行为。基于社交网络的结构，个体之间发生信息行为（如信息交互行为、信息分享行为等）;个体信息行为不断的产生和发展会对网络结构产生影响，导致网络结构发生变化;发生变化的网络结构反过来影响到个体信息行为的对象，进而影响到个体的信息行为。因此，社交网络的演化不仅包含了网络结构的演化，也包含了个体信息行为的演化。由于社交网络中个体信息行为与网络结构共同演化的相互作用与影响，个体会产生聚集形成群体。传统的社交网络建模和演化分析是从统计规律的研究展开，侧重网络结构随时间的演化分析，忽略社交网络中个体信息行为和社会利益驱动等因素的作用与影响。因此，现有的模型方法对社交网络的演化缺乏统一的、动态的、可量化的有效表达。　　本文引入网络演化博弈的理论与方法，从个体、群体（多个体）、多群体等不同层面研究和分析了社交网络的演化，主要研究成果包括:　　(1)针对现有社交网络建模和演化分析中忽略社交网络中个体信息行为和个体社会利益驱动等因素的作用与影响，本文基于个体信息行为的效用和个体声誉的利益驱动，从微观个体角度进行建模，建立了适用于社交网络演化性研究与分析的社交演化博弈模型框架。　　(2)社交网络中个体的信息行为包括信息分享行为和信息交互行为。个体信息分享行为有利于促进信息在个体间进行传播，它使得信息的传播具有方向性，社交网络被抽象成有向网络。通过使用公共品博弈描述个体信息分享行为，本文研究了个体信息分享行为的演化，发现声誉偏好和群体放大效应的增大会促进社交网络中的个体信息分享行为的涌现，但是这种涌现性受到个体关系更新频率的约束。基于模型仿真分析，本文结合对新浪微博用户的发帖和关注关系变化数据的分析后发现，新浪微博用户表现出对声誉的偏好，并且需要恰当的激励机制增强群体的放大效应以便促进合作。另一方面，个体信息交互行为侧重于个体间的双向交互，社交网络被抽象为无向网络。通过使用囚徒困境博弈描述个体信息交互行为，本文研究了个体信息交互行为与社交网络结构相互影响下的社交网络的演化性，发现个体的信息交互行为和个体关系会产生聚集，形成群体。基于模型仿真分析，本文结合对Twitter和新浪微博的数据集的分析，发现相比Twitter，新浪微博用户更愿意进行信息交互行为，也更关注声誉，同时新浪微博需要更多的时间达到相对稳定状态。　　(3)社交网络中个体的信息交互行为促使了个体产生聚集，形成信息交互群体。信息交互的内容属性和时效性使得信息交互群体会随着交互内容和时间的变化而发生变化，具有动态性。现有的社交网络群体的发现方法主要是依赖于网络结构和内容，缺乏对于信息交互时效性的考虑，无法识别和发现具有动态特性的信息交互群体。本文引入了信息交互的内容属性和时效性，结合了群体形成的自发特性，提出了针对具有动态特性的信息交互群体的识别方法。在Facebook数据集上的实验表明，相比传统方法，本文方法能够有效地识别出动态的信息交互群体。　　(4)从社交网络中识别出的具有动态特性的信息交互群体，存在群体重叠现象，即个体可能处于多个群体中，成为多个群体的共同个体。重叠的群体通过共同个体彼此相互影响。本文研究了社交网络中相互影响的重叠群体的演化性，分析了群体间不同的相互影响方式对重叠群体演化的影响。相比群体间不存在相互影响，群体间存在的相互影响会导致个体信息行为需要更多的时间进行调整和聚集。　　(5)针对社交演化博弈模型在模型仿真中需要大量重复独立计算这一特点，本文初步设计实现了面向社交网络演化博弈分析的分布式社交演化博弈仿真工具。该仿真工具包括仿真任务分解分发服务、仿真计算worker和仿真任务结果服务三大部分，包含了仿真任务描述模块、仿真任务分解分发模块、仿真子任务执行模块、仿真任务结果汇总模块和结果呈现模块五个功能模块。该仿真工具实现了模型仿真的自动化，并可通过动态增加仿真子任务计算worker的方式来扩展计算性能，为社交网络的演化性研究与分析提供了有力的研究工具。