现实世界是由许许多多的复杂系统构成。从拓扑的角度看，这些系统都可以抽象成复杂网络。现在，复杂网络已经成为了研究和揭示自然界和人类社会系统中各种不同复杂体系的结构和功能的重要工具。自从《Collective Dynamics of‘Small-World’Networks》和《Emergence of Scaling in Random Networks》这两篇经典文章问世之后，有关复杂网络的各种拓扑结构、网络功能以及演化规律等一系列问题的研究已经成为不同领域的科学家关注的热点。我们重点研究了网络中的动力学，涉及网络中的博弈演化及统计行为。本文主要工作如下。 我们首先研究了不同演化规则下雪堆博弈模型在网络中的博弈行为。演化规则包括模仿机制和自我反问机制。我们的研究结果表明在不同的演化规则下，出现的合作频率会呈现出不同的特征。在自我反问机制下，系统可能会产生很高的整体收益。这一现象将有利于整个竞争群体，但这个高收益是以牺牲群体中合作者劳动力价值为前提的。 其次，我们研究了动物冲突现象在不同网络中演化的统计性质。Maynard和Price提出动物冲突的模型，模型中提出了五种动物冲突时可能运用的策略。他们的研究表明动物之间的冲突主要是进行不严重受伤的有限性冲突，得出具有报复性的策略和试探报复性的策略是演化稳定策略。但在动物之间的关系具有复杂网络结构时最优演化策略就有可能不同。有些网络中最终只有一种策略生存，另外一些网络中可以有两种策略共存，甚至有些网络会出现多种策略共存结果。 最后，我们结合雪堆博弈模型和少数者博弈的演化方法研究了多人竞争系统中合作行为产生的原因。在不同付出与回报比值下，少数者(合作者小于总数一半)或者多数合作者都有可能获得胜利。我们发现系统中合作频率随着付出与回报比增加而呈现一个阶梯结构。我们还研究了合作频率的标准偏差随记忆长度和付出与回报比值之间的关系，发现这些参数对竞争者争夺有效资源的效率有很大影响。