演化博弈论源于生物进化论，它是把博弈理论分析和动态演化过程分析结合起来的一种理论，其研究对象是随着时间变化的某一群体，理论探索的目的是为了理解群体演化的动态过程，并解释说明为何群体能达到目前的这一状态以及如何达到。人们用网络上的节点表示博弈个体，边代表个体与其邻居的博弈关系，研究者发现将博弈个体引入到空间网格上博弈问题得到了较好的解决。近年来，空间网格上的演化博弈被广泛关注并取得了丰硕的成果。　　本论文基于演化博弈论研究了自私个体间的合作行为，首先探讨了网络的平均度对公共物品博弈合作行为的影响，其次详细讨论了在空间公共物品博弈中记忆效应和噪声强度对合作演化的影响。具体内容如下:　　(1)网络的平均度是一个对博弈动力学有重要影响的拓扑特征量之一，我们运用Monte-Carlo数值模拟的方法研究了网络的平均度对公共物品博弈合作行为的影响，采用的网络模型为一维规则网络（最近邻耦合网络），发现网络的平均度对合作演化的影响取决于增益系数的大小。最后我们用平均场近似的方法进行理论分析，理论结果与模拟结果符合得较好。　　(2)考虑到真实的金融系统中，投资者在交易过程中存在学习与模仿现象，在学习对方策略时往往会依据对方的投资经验。另外，受到王文旭等人的基于历史记忆的铲雪堆博弈的启发，在铲雪堆博弈中，个体选择自己的反策略做一次虚拟博弈并得到虚拟收益，跟真实收益比较得到最佳策略并更新记忆库。我们研究了空间公共物品博弈模型上的记忆效应对合作行为的影响，参与者在做出决策前首先考察对方前τ时间内累积的历史收益，即通过累积收益的方法来体现个体的记忆，我们将τ定义为收益累积长度，τ越大表示个体记忆能力越强。通过计算机模拟我们发现，这种记忆效应能够促进空间公共物品博弈合作行为的涌现，并且随着收益累积长度τ的增大合作水平显著提升，但当τ增大到一定值时，合作水平将缓慢提升，即对个体而言对方很早以前的经验参考价值不大。　　(3)现实生活中非理性因素是普遍存在的，它的作用类似于噪声对系统的影响。我们分析了噪声强度对空间公共物品博弈合作水平的影响以及斑图相变等现象。仿真结果表明，噪声对合作行为的出现起到抑制作用，而且增益系数越小抑制作用越明显，说明增益系数较小的系统鲁棒性较差。另外，在噪声强度很小的情况下，合作频率随增益系数变化的曲线出现分段现象，并且每一段对应于一种独特的空间斑图。最后，我们对合作频率分段现象的原因进行了探索，理论分析与数值仿真的结果符合得很好。