复杂网络能够有效地刻画自然界和人类社会中各种复杂系统中个体之间的连接关系。而演化博弈作为研究策略与决策的一门科学，能很好地刻画自私个体之间交互时的策略选择以及策略随时间的演化。复杂网络与演化博弈相结合，为研究复杂系统中个体之间的相互关联和作用提供了一个有效的理论框架，得到了包括物理学、生物学、社会学、心理学、工程科学等各领域学者的广泛关注与研究。作为演化博弈的一个自然延伸，共演化博弈考虑到环境或者其他机制与博弈策略的共同演化。根据国内外的研究动态和发展趋势，本文主要从网络结构、共演化机制、共演化时间尺度等方面研究了复杂网络上囚徒困境博弈和公共品博弈中合作策略的演化以及策略与其他属性的共同演化，主要工作与贡献如下：　　1.考察了高聚类无标度网络上囚徒困境博弈中合作策略的稳定性。以往的研究认为无标度网络以及聚类系数能够促进合作演化。本文在策略的演化过程中引入突变机制，以考察高聚类无标度网络面对错误信息时合作演化的鲁棒性。结果表明高聚类系数对策略突变更具有脆弱性。只有当突变率较小时，高聚类系数能够促进合作演化。当突变率较大时，合作水平将显著降低。通过对不同度节点的合作水平的分别考察，发现当策略突变足以影响到网络中的Hub节点时，聚类系数将促进背叛策略的传播。　　2.提出了一种基于声望的个体迁移模型以研究对合作演化的影响。个体的移动性被认为是促进合作演化的一种重要的共演化机制。以往模型中的迁移或者是随机移动，或者是基于收益的驱动，或者是基于个人的期望。考虑到现实中个人的声望对人与人之间交互时策略选择的重要影响，本文提出了一种基于声望的迁移模型。个体根据以往信息的记忆以一定概率离开声望不佳的环境。研究结果表明该机制在较大的人口密度和不太大的背叛诱惑下能够提升合作水平。较长的声望记忆对合作有利，但要求对声望更高的敏感性。本文同时通过考察不同演化时间步时的空间斑图，对这一机制的有效性给出了微观解释。　　3.考察了网络结构和博弈策略共演化中的时间尺度的影响。以往研究网络结构和博弈策略共演化的工作通常假定个体交互和策略更新遵循固定的时间尺度。我们提出了一种共演化模型来考察变化的尺度造成的影响。每一轮中个体在博弈之后按概率断开与特定策略个体的边并重连到其他个体，在进行了可变的交互轮数之后所有个体同步进行策略更新。结果表明较慢的策略更新能够使合作显著增强，而强选择会使合作策略盛行的参数区域减小。通过考察不同时间尺度下网络的结构，发现较慢的策略更新能够带来更大的网络异质性。较慢的策略更新和较弱的选择强度为个体适应周围环境提供了机会，从而促进了合作的演化。本文同时考察了不同初始网络和断边重连的代价对结果的影响。　　4.研究了机构惩罚和奖励对合作演化的影响。奖励和惩罚是促进合作演化的重要机制。以往的研究或者是单独考察惩罚及奖励的作用，或者是把二者作为不同的个体或机构对比研究。本文提出了一种兼具惩罚和奖励机能的机构模型。机构将参与者提供的基金进行分配，分别用于对搭便车者进行惩罚以及对机构参与者进行奖励。本文主要关注公共品博弈中机构的不同惩罚和奖励分配比例的影响。结果表明奖励对合作的维持至关重要，但一定程度的惩罚也是必须的，适度的惩罚奖励比例能够导致最高水平的合作。