在现实社会中,人们对同一个问题或事件会有不同的看法即持有不同的观点。个体的观点会受周围邻居的影响,由于个体存在差异性,不同的个体受邻居观点的影响程度也会不同。本论文分别在一维和二维规则网络上,研究了邻居中不同观点的数目对系统观点演化的影响,发现在不同的网络结构和不同的邻居观点数目下,系统的观点演化规律不同。本论文在研究背景中首先介绍了各种网络基本模型,并从网络基本模型出发介绍了网络的研究方法,并且介绍了有向网络和社区网络的两个例子。之后在第二章我们介绍了常用的观点动力学模型和复杂网络上观点动力学的研究概况,并在复杂网络上研究了不同观点更新规则下系统观点的演化,通过计算观点动力学的时间序列,得出了一些简单的结论,表明了在特定的更新规则下,观点在成团系数较低的网络上传播较慢,但最终能够达到平衡态。在一些特定的更新规则下,观点动力学中的观点受网络影响很大,对观点动力学进行时间序列分析,可以知道系统达到平衡所用的平衡时间和系统的有效尺寸有关,而网络结构可以影响系统的有效尺寸,使得系统达到平衡所用的平衡时间有长有短。如果能确切知道网络结构对观点动力学和其它动力学的影响,就能够在网络中去除或添加某一关键节点,使得系统尽早达到稳态。本论文用到的研究方法均为蒙卡模拟。该论文的研究方向具有很诱人的前景,在第三章,我们对论文进行了总结和展望,其重点为:第一,个体之间的相互作用模式(网络结构)和个体的观点(策略)更新规则显著影响了系统观点(策略)的演化,因此研究不同网络结构尤其是动态网络以及个体的观点(策略)更新规则对系统演化动力学的影响仍是今后的重点。第二,现今科学家对网络动力学演化的研究是以统计学为基础的,而系统演化过程中常常会出现涨落,由于涨落出现的概率是随机的,人们不能预测系统涨落何时对系统产生影响,只能通过涨落分析来统计的解释系统中不寻常的现象,于是精确预测系统性质的科学变得愈发重要,是未来的发展趋势。