大规模个体间合作行为如何涌现并得以维持近年来引起了包括应用数学、生物学、控制科学、计算机科学以及其他领域专家和学者的广泛关注。一些研究结果表明亲社会激励的引入能够有效地促进多个体间合作行为的涌现。然而,激励的实施需要付出一定的代价,对于执行激励的机构而言,用于实施激励的预算通常是有限的。因此,如何分配有限的激励预算以寻求最优激励策略是一个值得探讨的科学问题。此外,之前的工作更多关注于混合均匀种群中的激励优化问题,鲜有文献从理论层面探究结构种群中合作涌现的最优激励预算分配方案。基于此,本文考虑机构根据种群中合作者频率情况将有限的激励预算分成两部分用于奖励合作者和惩罚背叛者,以研究促进合作的最优激励预算分配方案。本文的主要工作及结果如下:首先,本文基于最小化背叛者与合作者的平均收益差研究促进合作的最优激励预算分配方案。具体地,在带有机构型激励的空间公共品博弈框架下,本文假设每个博弈小组中用来奖励合作者和惩罚背叛者的总预算是有限的。进一步地,采用对估计方法给出了结构种群中合作者频率随时间演化的动力学方程。然后,以最小化背叛者与合作者的平均收益差为目标来求解最优激励预算分配问题,并通过理论分析得到了最优激励预算分配方案。研究结果表明最优激励预算分配方案与奖励和惩罚的效率比值有关。当比值很小时,最优的激励策略是纯惩罚;当比值取中间值时,最优的激励策略是混合激励策略;当比值大时,最优的激励策略是纯奖励。此外,本文通过数值模拟对理论结果进行了验证。其次,本文基于最大化选择梯度研究促进合作的最优激励预算分配方案。研究结果表明最优激励预算分配方案与奖励和惩罚的效率比值有关。当比值小时,纯惩罚是最优的激励策略;当比值取中间值时,混合激励策略是最优的激励策略;当比值大时,纯奖励是最优的激励策略。此外,本文对上述理论结果也进行了数值验证。