作为遏制流行病最有效的手段之一,接种疫苗在各个国家和地区中受到广泛采用。如何在提高接种水平的同时降低社会总成本是大家关注的重要命题。而个体做决定通常会比较自身收益和学习对象的收益,只有感觉到获益才会继续上一阶段决策,否则就会改变策略。我们关注如何使个体在做决策时倾向于更有利于全社会的方向问题展开研究。因此,本文设计两种领域扩展模型,通过扩展领域来分析如何达到整体患病规模较小且社会总成本最低,即社会决策最优化。本文具体可分为下述两个部分。首先,分别在两种领域扩展模型下讨论SIRV模型中接种行为的动力演化过程。在增加邻居数的方法中,我们依次比较三种不同的个体度（四邻居、八邻居、十二邻居）给接种演化带来的差异。结果表明随着邻居数量的增加,选择接种策略的个体相继增多,而患病规模相应降低。在以一定概率ρ学习长程个体策略,以1-ρ的概率学习相邻四邻居的策略方法中,继续比较这两种方式的接种水平。结果表明,在相对接种成本较低时,随着ρ增大,接种水平有所上升,但增幅不大。当相对接种成本接近1时,随着ρ增加,接种水平反而有降低趋势。接着,我们进一步引入两种补贴政策:全额补贴、部分补贴,全额补贴即对于被选中的部分个体实施免费接种,而部分补贴则是确定补贴总额,均匀分摊到每个接种个体,即接种者只需花费部分费用即可。分析两种补贴方式对于两种不同的领域扩展模型带来的促进作用。结果表明,对于增加邻居数的学习方式,随着部分补贴比例增大,接种水平提高,相应的社会总成本也在升高。但是随着补贴比例接近100%时,社会总成本会从递减变成递增;对于全额补贴,结果也是类似的。对于以概率ρ学习长程邻居的情况,施加部分补贴时,随着ρ的变化对于接种水平有提高作用,但影响较小。全额补贴也是类似结果。最终,基于社会成本角度,通过对两种学习领域方式的比较,我们可以发现增加邻居数的促接种效果优于学习长程邻居。相对接种成本较低时,部分补贴优于全额补贴。