本文通过加入搜索行为能力对动态网络结构下的演化少数派博弈模型(EMG)进行深入研究。在本文的研究中加入动态网络结构模型,个体得分低于阈值时可以通过断掉表现差的个体的连接,重新寻找表现优秀的邻居进行重连,模仿新邻居的策略概率进行博弈游戏。本文引入的搜索行为能力分为两类,一类是最优邻居搜索,另一类是全局随机搜索。最优邻居搜索行为指的是,个体可以搜索到它邻居以外的相邻个体的局部信息。个体可以断掉与得分最低的邻居的连接,遍历所有邻居的邻居,选择最高得分的个体作为信息来源并且建立新的网络连接。全局随机搜索行为指的是,个体可以断掉与得分最低个体的连接后随机从总体中其他个体中选择一个个体作为新的邻居进行重连,获得新的局部信息。但是并不需要重新连接的个体得分是最高的,在总体中随机选择即可。通过我们的研究结果表明,加入搜索行为后的策略概率分布图和没有加入搜索行为的策略概率分布图是完全不同甚至是相反的。加入搜索行为后,无论是最优邻居搜索还是全局随机搜索均会改变个体策略分布概率。没有搜索行为情形下的策略概率分布是U型分布,个体策略概率选择集中在p=0和p=1处。加入搜索行为后,策略概率分布近似于正态分布,个体策略概率选择在p=0.5更容易获得收益。与此同时,本文对不同参数值下的搜索行为进行研究发现,突变程度对策略概率分布图和系统有效性产生了非常大的影响。当突变程度逐渐增大时,无论是否加入搜索行为,策略概率分布图的策略选择都会逐渐向各个概率值进行平均而不是集中在某一个或者两个策略值上。在系统有效性方面,当突变程度增加时,加入搜索行为后的系统有效性会逐渐增加,然而在没有加入搜索能力的系统有效性反而会逐渐降低。即使如此,无论突变程度如何影响系统有效性,加入搜索行为后系统有效性均会降低。