关于复杂网络的研究涉及到生态学,计算机网络等诸多领域。复杂网络上的演化博弈动力学可以为进化机理的研究提供理论框架,且复杂网络理论可以为计算机网络资源优化及大规模网络拓扑设计提供理论依据。首先,本文中对复杂网络的研究现状及复杂网络上的演化博弈进行了分析,分别介绍了复杂网络上的重要统计性参数,以及几种最基本的复杂网络模型,并且分析了当前国内外关于复杂网络上演化博弈的研究现状。其次,本文中我们引入带记忆能力的个体模型,然后基于遗传算法研究了异质小世界网络(Heterogeneous Newman-Watts, HNW)上的重复囚徒困境博弈,重点关注异质性对群体合作行为涌现的影响。我们发现不同的异质性参数区间对合作频率有完全不同的影响,对于使得网络有非常高的异质性的参数区间,异质性稍微的减少却能很大程度上增加群体采取合作策略的比例,而在剩余的对应于比较均匀网络的参数区间,异质性的变化基本上不对合作频率产生影响。另外,本文中探讨了复杂网络上合作演化规律的研究对大规模虚拟计算环境(internet-based Virtual Computing Environment, iVCE)上基于信任的演化博弈所起指导意义,并在分析典型的点对点系统的复杂拓扑特性之后,提出了一种基于节点负载压力的拓扑连接策略。该拓扑生成模型包括产生、生成、成熟三个阶段并且支持同时多点加入与退出的虚拟计算环境构造方法。该拓扑模型生成方法能够产生度分布比较均匀网络拓扑,避免了节点负载过大的缺陷。仿真分析表明,网络度分布呈现近似于正态分布特性,且具有比较小的平均路径长度和相对大的集聚系数,表明网络有小世界特性。