当今的社会群体中，个体都会出于自身利益的诱惑去选择一些兴趣相近的朋友，并不断结识新朋友和远离兴趣差异较大的朋友。但由于各种因素的制约，个体不一定会找寻到适合自身的团体，这时个体会通过调整自身的外在表现找到与自己志同道合的朋友圈。随着个体间博弈的持续进行，社会群体的结构和博弈个体的兴趣爱好都会发生一定程度的变化。因此，两者之间是如何相互影响的，又会受到哪些因素的影响与制约成为了一个新的研究课题。复杂网络广泛存在于自然界和人类社会中，其理论知识的蓬勃发展为协调博弈的表现提供了很好地应用框架。复杂网络中的节点代表参与博弈的个体，网络中的边代表两个个体互为邻居节点，其相邻个体之间的博弈受到网络拓扑结构和博弈演化规则的影响，度大的节点通常作为核心个体更容易被选择合作，而度小的节点更容易被断开连接。复杂网络上的协调博弈关注个体间的合作现象，通过建立一定的博弈规则来研究协调博弈与网络结构是如何相互作用的，为理解社区化复杂网络的形成奠定了坚实的基础。通过模拟现实社会中兴趣相近个体的聚集过程，本文提出了一种仿真构建社区化复杂网络的模型和算法。算法采用协调博弈体现个体的交互过程，个体在网络中的位置随网络演化而改变，个体在交互过程中通过博弈学习和调整网络连接等机制最大化自身的收益，从而促进个体间的合作。同时，网络模型的结构在个体博弈不断演化中也发生一定程度的改变，个体之间博弈策略的聚团，整个网络社区化结构的出现，都表明了个体的博弈策略与网络结构均随时间变化，并且形成了一种互演化的效果。理论分析与仿真实验的结果表明，本方法得到的网络结构，在度分布及其他特性上已偏离了初始网络，通过不断地演化与博弈，个体间的合作率和收益都较大，并且出现了个体策略的聚团，社区化的现象。首先，节点数不变的网络中，其网络模型的度分布不在服从泊松分布，而是像BA无标度网络模型靠拢，网络中出现了度值较大的节点；并且网络中其节点的平均度也先后出现了快速上升、快速下降、稳定上升的局面；伴随着演化的发生，网络中节点的大多数邻居个体都发生了变化；其次，节点数变化的网络中，在度分布和其它特征方面也出现了真实网络的特性，个体间博弈的成功率高和平均收益高都表明了通过演化实现了社区化的聚集，偏好向量的熵值变小表明相邻个体间兴趣爱好也在不断靠拢。同时，我们分析了各种博弈参数对网络构建和社区化程度的影响，调整网络连接参数可以促进个体间的合作；加边参数和减边参数处于中间值时，个体间的合作率达到峰值，其两者过大或者过小，都不利于个体间的合作；学习频率可以加剧社区的独立性，使社团内的连接更加紧密，社团内个体间的博弈往往具有较高的合作率，但并不利于社区间的交流。最后，我们使用GN社团分裂算法对演化后的网络进行划分，结果表明最终网络的社团数目与协调博弈的策略空间规模相一致，即个体兴趣爱好数目的设定决定了最终整个网络的划分情况。