分布式多主体系统是由多个自治个体为了实现特定目的进行相互作用,而形成的计算机系统。在文件分享、在线社交、无线传感器网络等方面广泛应用。由于系统中参与个体具备自私性和推理学习能力,他们会倾向于最大化自己收益,即剥削其他个体,而自身并不积极贡献资源。若系统中广泛存在这种不合作行为,将使得整个系统效率大大降低。如何促进节点合作,以提升系统性能是目前分布式多主体系统中的研究热点,得到了学者们的广泛关注。本文通过对已有工作的深入研究,发现现有的促进合作的模型研究存在一些不足:如对个体建模时没有很好的体现个体普遍存在的内在利他性;模型重在考虑如何促进合作,但是对开销考虑不足;在基于信誉的合作模型中,对策略个体的动态交互行为没能很好的建模等。本文基于演化博弈理论,从多主体系统中个体内在属性刻画、个体及交互行为的建模、系统开销等方面出发,提出了相关模型和解决方案,主要贡献在于:(1)针对分布式多主体系合作模型研究中忽略个体内在利他性的问题,提出了一种考虑个体利他属性的合作演化模型。模型中利他性的引入主要体现在影响策略更新的适应度的计算上,本文将交互对象的收益加入到个体的适应度计算中,即个体的适应度不仅与自己的收益相关,还和邻居的收益相关,二者的权重通过适应度参数调节。本文通过理论分析和仿真实验,验证了在混合均匀群体中,考虑个体的利他性的合作模型可以促进合作演化的速度;在结构化网络中,个体的利他性甚至会改变网络中演化的结果。(2)基于奖励的激励机制是促进合作的有效方式,针对奖励开销问题,提出了一种基于动态奖励的合作演化模型。该模型中对合作节点的奖励额度随系统环境而变化:当系统中合作情况不好时,单位奖励值较大;当系统中合作情况较好时,单位奖励值减少,这样既能促进合作,同时又降低奖励开销。通过复制动力方程,分析得到了在不同场景下的演化稳定策略,定量证明了采用动态奖励机制可以减少系统开销。仿真实验验证了理论分析的结果,即动态奖励机制可以有效促进个体合作,同时可以减少开销。(3)将演化博弈理论引入信誉系统,提出了一种基于节点自适用行为的EigenTrust合作演化模型。模型中充分考虑理性策略节点的动态交互性,可以更好的模拟分布式多主体网络中个体行为的变化规律。通过引入演化博弈论作为刻画理性个体之间交互行为的理论框架,构建了更贴近真实场景的合作演化模型。仿真和分析结果表明,本文的模型能够有效促进合作,抑制文件共享系统中的搭便车行为,减少恶意文件的下载。