随着时代的迅猛发展,现如今人们所生活的世界中充满了各种各样的复杂网络。例如社交网络、交通网络、通信网络、电力网络、金融网络等等,这些网络既提高了我们的生活质量,也带来了一定的负面冲击。其中,演化博弈论为解决复杂网络中自私个体之间合作行为的产生和维持提供了强有力的理论框架,通过该框架本文利用有效的科学方法来探索和解释社会生活中各种困境缓解的缘由。近年来,大多研究工作中通过引入各种有效的机制来探究结构化群体中合作的演化。然而,当我们探讨演化博弈动力学时,策略更新规则在其中发挥的作用不应被忽视。因此,本文提出了两个新的演化博弈模型,重点探讨策略更新规则的异质性在合作演化中所发挥的作用。文章的主要研究内容和创新点如下:1.在引入记忆机制和个体决策不确定的混合策略博弈模型中,重点探讨了策略更新规则的异质性对合作演化的作用。本文中提出了Moran-like过程,该规则实现了中心个体对博弈邻居的倾向性选择,并与Fermi规则和Replicator dynamics（RD）中采用的随机选择邻居的方式进行对比。通过大量的仿真模拟,结果发现大多数情况下Moran-like过程相比较其他两种策略更新规则可以更快的促进合作集群的产生和扩大,并达到更高的合作频率。证实了策略更新规则在复杂网络上对合作演化的重要性作用。除此之外,本文还探讨了记忆机制和混合策略对合作演化的影响。结果表明较大的记忆长度和较低的策略调整因子最有利于合作的演化。这说明向策略坚定的个体学习可以有效提升群体的合作程度。最后,将模型拓展到了更广泛的结构化网络中,验证了其鲁棒性。2.提出了一个由个体不同状态诱导的异质性意愿的演化模型,同时引入了两种不同的策略更新方案并探讨其在合作演化中的差异性。其中,在中心个体选择教学的对象方面,方案I中倾向于选择低收益的邻居,而方案II中采用随机选择的方式。除此之外,个体的学习意愿受到个体状态的影响而改变,而个体的状态将在系统初始后保持不变。通过大量的仿真模拟,两种策略更新方案在促进合作演化方面表现出较大的差异性。方案II中由于中心个体可以捕捉到较低收益的邻居对其进行教学,导致系统在稳态时可以达到更高的合作频率。这表明了策略更新规则在合作演化中发挥了重要的作用。同时研究结果还发现,在促进合作演化方面,存在最优的忙碌个体比例和意愿调整因子。最后,在更广泛的结构化网络中对模型进行了仿真,验证了其鲁棒性。