网络上的演化博弈是复杂系统中基本的动力学行为之一。在诸多相关的演化博弈模型研究中,囚徒困境博弈模型是最具代表性的问题之一。一方面,网络本身的拓扑结构决定了网络的合作水平；另一方面,网络中初始时刻合作节点的选择机制会影响整个演化博弈动力学过程。现实复杂系统中,存在大量的树状网络结构,如河流,星系以及国家组织机构等,但针对树状网络的系统化研究较少；而已有的囚徒困境演化博弈研究通常在初始时刻随机均匀选择合作节点,难以反映真实网络中合作节点和背叛节点不均匀分配的现实映射意义。本文从树状网络着手,对网络中的囚徒困境演化博弈特性进行研究。同时,引入了带有适应度记忆估计机制的囚徒困境演化博弈模型,探究了记忆机制对于合作行为的影响。首次将演化博弈模型引入实证互花米草树状网络中,把复杂网络中的博弈理论应用于生态学中,促进了学科间的交叉研究。文章的主要贡献如下.1.基于常见的网络模型构建算法,构建了三种包含不同度分布特性的树状网络结构,同时对网络的结构特性进行了分析。本文构建了度分布为幂律形式的BA无标度树状网络、度值分布K∈{1,2,3}的完全二叉树状网络以及度分布为指数分布的小世界分形树状网络。这三种网络模型不仅包含了复杂系统中常见的无标度和小世界特性,完全二叉树状网络还具有树状结构中较为突出的二叉形结构,体现了树状网络结构有别于其他拓扑结构所特有的分叉特性。2.按照不同的初始时刻合作策略选取模式,构建了树状网络上的囚徒困境演化博弈模型,并引入了适应度记忆估计机制。在演化博弈的初始时刻,网络中的合作节点选取遵循两种不同的规则：随机均匀选取和按照节点度值选取。随机均匀选择初始合作节点时,合作频率fc都随着背叛者的优势6增加而逐渐降低,树状网络拓扑结构的不同构造算法对于合作行为具有不同的影响；按照节点度值选取初始合作节点时,演化到达稳态时合作者的比例同树状网络本身的结构性质关系不大,而初始时刻网络中合作节点的度值起着主导作用。在树状网络中引入适应度记忆估计机制,促进了网络中合作的涌现。3.基于互花米草基株空间构型,构建互花米草克隆植株多重关系树状网络,首次对实证树状网络上的演化博弈特性进行了探究获取。分析了互花米草树状网络的拓扑结构,得到其生长特征和株丛间回避竞争的生态学策略。其次,在互花米草树状网络中引入了囚徒困境演化博弈模型,初始时刻,分别按照三种不同的规则选取网络中的合作节点：第一种是随机均匀选取合作节点,合作频率随着背叛诱惑值的增加逐渐下降；第二种是选择不同类型的生物体单位为合作节点,选取株丛间根状茎间隔点,演化博弈到达稳态时,合作者的比例随着背叛诱惑值的增加而逐渐减小；第三种是按照节点的度值选取合作节点,当最小度值较小时,网络中的合作频率较大。同时引入了带有适应度记忆估计机制的囚徒困境演化博弈模型,分析了记忆机制对于互花米草克隆植株树状网络中合作行为的影响。接下来,考虑以群体作用为基础的公共品博弈和带有单干策略的公共品博弈模型,分析得到互花米草克隆植株实证网络演化博弈动力学的相关特性。