在自然系统和社会系统中,存在着各种各样的复杂网络,而近些年来对它的研究也成为一门新的交叉学科。鉴于复杂网络的普遍性和多样性,使得它备受国内外研究工作者的深度关注。研究复杂网络不仅对现实生活具有重要的意义,而且对人类了解自然界和社会的长远发展具有长远的科学和社会意义。任何一个复杂网络都是由一些相互作用的个体组成的,而研究这些个体的交互作用模式,不仅可以进一步的揭示网络的拓扑结构,而且对网络的动力学研究具有重要的意义和作用。在各种复杂网络如自然系统和社会系统中,进化博弈模型是一种常见的交互模型。本文通过运用底层个体之间的交互博弈数据,进一步揭示了网络的动力学过程,并对网络结构进行了重构。具体工作如下:1.研究了将博弈论用于网络交互中。博弈的成员一些个人,队组或其他组织,相当于网络的节点,人与人之间的博弈相当于有连接边的节点间的博弈,从各允许选择的行为或策略中进行选择并加以实施,各自取得相应的结果的过程就相当于节点间博弈获得的收益值,作为节点的属性信息,用于网络重构中,得到网络的拓扑结构。2.提出了一种基于随机博弈策略和压缩感知的网络重构的改进方法。本算法在重构网络中,采用的博弈数据是囚徒博弈,而非弱囚徒博弈。另外本算法采用的博弈策略更新准则是随机分配,随机分配保证的策略的多样性,不会出现接连多代博弈策略不变或者节点博弈策略偏向单一,大大提高了重构效率。3.提出了一种基于博弈和遗传算法的网络重构的新方法。目前,对网络重构的方法主要是基于假设网络是耦合震荡的,然后通过网络产生的连续时间数据,实现网络的逆向工程问题。而我们的方法是在离散时间情况下,通过囚徒博弈交互模型所得结果,结合遗传算法,根据收益值的逼近,对网络实现网络重构,取得了比较好的效果。