复杂网络已经被普遍地认为是描述和研究各种复杂系统结构的一种全新的、有效的工具。如今,作为一个饱含物理学思想和原理的研究课题,复杂网络的结构与动力学已经成为统计物理学中的研究热点之一。其研究对于理解复杂系统的结构、动力学行为与控制具有非常重要的指导意义。本论文主要介绍在网络结构、动力学和结构与动力学的共演化三个方面的相关工作,现总结如下:　　首先,在结构研究方面,主要关注了最近兴起的关于链路预测这一研究方向。鉴于以前的预测算法只能预测链路的存在性而无法预测链路的方向性,而许多真实网络中个体之间的相互联系却是有向的,将12种针对无向网络的链路预测算法拓展有向网络的情况,建立起了基于局域连接信息的有向链路预测算法的基本框架。另外,基于有向网络模体的统计分析,构造了一种广义的共有邻居指数,同时也提出了一种两指数共同预测的结合指数。在10个真实有向网络中,对基于这些指数所建立的14种链路预测算法进行了测试和分析,得到了一些对实际应用有一定指导意义的结论。特别地,归因于高的预测精度和低的计算复杂度,广义共有邻居指数和结合指数将有望在实际的链路信息挖掘中得到应用。　　其次,研究了四个有代表性的动力学过程的行为或控制策略,如疾病传播与免疫、观点动力学行为、雪崩动力学与防卫和交通动力学。特别地,针对不同的动力学所提出的几个控制策略,与已有的策略相比,表现出更高的改进效率,使得它们的应用成为可能。　　最后,在结构和动力学的共演化研究方面,考虑到信息扩散过程在各种现代通讯网络中的广泛存在,研究了信息扩散动力学与网络结构演化的相互作用,发展了一种网络结构的适应性演化机制。结果表明,这种对信息扩散过程的适应性反馈机制能够驱动网络从随机图演化形成无标度网络,并且由此产生的无标度网络同时具有了真实网络的三种性质:无标度特性、模块等级性和度-度关联性。另一方面,信息扩散过程受网络结构的适应性演化而被加速。