复杂网络旨在研究结构复杂、在空间和时间上不断演化的动态网络,不局限于传统观念对于小规模网络的分析,而是转向拥有大量结构复杂、节点异构、演化规则复杂的网络系统,关注的重点在于由动态单元组成的网络的属性。复杂网络刻画了一些不同于局部结构和性质的网络全局特征涌现,拓展了人们对复杂系统结构的认知,获得了许多优秀的研究成果。复杂网络中节点重要性多元统计评估、节点重要性评估对社团探测影响及基于社团结构的复杂网络演化模型建模等问题一直是复杂网络研究的热点,对这些问题进行系统研究对理解网络结构,解释网络成因,提高人类对复杂网络的认知和指导网络行为具有重要的意义。本论文总结了当前复杂网络中节点重要性评估的研究现状,分析了当前主流的节点重要性评估算法,针对其利弊,在融合众多复杂网络中心性描述的基础上,基于主成分分析方法,提出一种复杂网络节点重要性多元统计评估算法,进一步基于加权高斯核函数,建立一种新型的复杂网络节点重要性多元统计评估模型。该模型可以有效区别节点的重要性差异,实验分析验证了本论文的设想。本论文基于模糊聚类分析算法,提出一种复杂网络中可以主动探测网络最优社团结构的社团探测算法。该算法通过构造模糊聚类分析中的聚类数自适应因子,主动求出最优聚类数,进而发现复杂网络中最佳社团结构。进一步本论文基于复杂网络节点重要性多元统计评估模型,提出社元相似度概念,提出了复杂网络中基于节点重要性多元统计评估的社团探测算法,该算法在节点重要性基础上进一步定义并构建了社元重要性矩阵,利用社元相似度特征来探讨社元间支配关系,对复杂网络进行有效社团探测。该算法可以根据需要准确快速的寻找到复杂网络最优社团结构,实验分析验证算法的准确性。本论文从复杂网络层次社团结构特性出发,在BA无标度网络模型基础上,结合现实网络特征,从社团结构角度出发,提出一种基于层次社团结构的复杂网络演化模型,度分布理论推导和仿真验证了模型的有效性,模型具有稳定的聚类系数和社团结构。进一步引入元胞自动机规则,提出动态层次社团结构的复杂网络演化模型,仿真实验表明,该模型可以适当地描述复杂网络拓扑结构的特点,扩展了BA模型,符合实际的抽象,更接近实际网络的演化。