在现实世界中,每个个体在其完整的生命周期内都会面临各种各样的行为决策,比如动物世界中的合作狩猎、迁移,人类社会中的交流互动、生产生活等。随着时间的推移,个体周围的环境会对个体所做出的决策进行相应的反馈,而个体为了更好地适应环境会对自身的行为决策进行调整。这种行为决策的演化不仅会对个体自身产生影响还会潜移默化的影响我们的社会、经济、气候、环境、文化等各方面水平。因此,行为决策历来是社会科学领域研究的重点之一。本文基于空间模块化网络,借助演化博弈模型和观点动力学模型来分别探究期望驱动机制和观点驱动机制对个体行为决策的影响。本文的研究内容分为两个部分,第一部分借助演化博弈模型来探究个体在期望驱动机制下行为决策的演变,该部分基于全连通的空间模块化网络模型与传统的公共物品博弈模型,使用期望驱动下的迁移机制研究个体迁移行为以及合作行为的演化过程。将个体在团队中的博弈收益与期望收益的差距作为其离开本团队的驱动力,博弈所获得的收益越高,便越接近个体的期望收益,个体不会轻易离开当前团队。反之,个体会加入一个新的团队,建立新的网络连边。我们通过探究在不同的期望收益水平下最终的群体合作率的演化情况发现,当期望收益水平越高时,群体合作率越大,且期望收益水平与公共物品博弈中的增益因子会共同影响群体合作率的演化结果。在第二部分,我们基于内外部网络结构不同的空间模块化网络模型与观点阈值模型,使用Q-learning算法构建自适应决策机制来模拟智能体的迁移决策过程,最终探究在该机制下个体行为决策的演变过程以及观点的动态变化。结果发现,个体的容忍阈值会直接影响最终群体观点的分布,除此之外,我们还通过对比不同的网络结构及网络规模发现,网络的结构与规模对群体观点的演化结果并不会造成明显的影响。本文进一步完善了空间模块化网络尤其是动态网络上行为决策的研究,对个体在空间上的迁移有了进一步的理解。同时,我们用观点驱动机制来研究个体的迁移行为,为研究迁移机制以及观点动力学的应用提供了一个新的视角。除此之外,我们基于强化学习设计自适应迁移模式,为研究个体行为决策提供了一个更为客观有效的学习机制,有助于加深两个领域的融合发展。