视觉系统是目前最复杂、最高效的系统之一。科学研究发现,视觉系统执行任何一个功能都是由多个神经元、神经元集群以及多个视觉皮层之间相互连接、相互协调和相互作用来完成的。复杂网络的提出对于研究复杂系统提供了很好的研究依据,所以,从网络的角度来研究视觉系统动力学结构特性,对于我们理解其内在形成机制以及对视觉智能化技术的研究具有重大意义。视觉系统是一个高耗能系统,网络模拟演化的工作应尽量降低这种消耗即布线代价。然而,视觉皮层网络同时具有高的拓扑性质、鲁棒性、模块化和大的hub枢纽来完成高效率的信息整合,和网络布线代价最小化具有矛盾性。所以,本文以最小布线代价和全局效率最优之间如何权衡为切入点,首先,基于严格的空间限制条件根据空间距离定义连边概率函数,利用二维齐性增长模型对真实视觉系统模拟,分析视觉皮层网络的拓扑结构特性。其次,根据异质神经元的分布以及优先连接机制对网络进行演化,并探究随着比例因子的变化对网络布线代价和拓扑结构的影响。最后,引入复杂网络博弈模型算法,基于神经元的有限记忆性对网络进行博弈演化,分析其记忆长度对合作者密度以及网络拓扑结构的影响。本文从网络角度揭示视觉信息处理的内在核心机制,从根本上改变以往研究视觉信息处理的思路和方式。(1)从视觉网络是一种典型的空间网络入手,依据多维的时间和空间尺度,给出节点间建立连接的空间距离概率函数,模拟真实的视觉皮层网络模型,并对局部和整体网络拓扑特性进行分析验证视觉皮层网络具有小世界特性。(2)在上述结论的基础上,研究异质性神经元数量上的不同分布对视觉皮层网络拓扑结构的影响。然后在异质性神经元的基础上引入优先连接机制,即长突触优先连接和距离优先连接,分析其在时间尺度和空间尺度上对小世界特性最大化的影响。(3)在神经元有限记忆的基础上,利用博弈演化理论,基于布线代价与效率之间的权衡设置新的收益函数,利用多数者更新规则进行网络博弈,通过改变记忆长度研究其合作密度的变化,并且用网络可视化操作更形象的表现博弈演化稳定后的网络拓扑结构,并分析其网络特性和博弈动力学之间的相互作用。