复杂网络学科是研究复杂系统中个体与个体间联系的学科。挖掘关键结构与节点是复杂网络的基础和重要方向。分层方法根据一定规则删除节点并将它们划入不同的层以衡量节点与结构的关键程度,而部分经过改进的分层方法会对层号进一步运算,这一流程显著提升了分层方法的效果。分层方法的发展方向众多,本文选取了三个问题展开研究,尝试提出解决方案,以期借此最终达到优化算法、拓展应用的目的,并同时由此体现出本文的解决方案有一定成效。其中三个问题如下:（1）部分领域的应用缺乏关注:现有研究主要集中于传播动力学领域,在部分领域所受关注相对较少,与其优秀效果不匹配;（2）层的编号命名规则有待完善:部分方法使用非定量的编号规则却将层号代入运算;（3）同层的并列节点过多:这一问题目前主要通过将层号进一步运算解决,而从分解规则角度解决方案效果相对不足,据本文分析,若使用细粒度的分解规则可能将扩大缺陷（2）的影响。为解决或缓解上述问题,本文首先分析了分层方法的常见流程并归纳为分层方法的三阶段,基于被命名为线性组件与拓展线性组件的结构讨论了分层粒度对层号不合理现象的影响以及三阶段的相互影响关系,提出了层级作为层号问题的解决方案,将部分分层方法表示为一种针对网络的广域攻击,从广域攻击角度分析了k-壳分解法与真实传播过程的区别,同时论述了一些分层方法之间的细分关系。在方法上,本文提出了3种分层方法和1种基于分层的布局方法,分层方法包括最小二重度分解法（Least Dual Degree Decomposition,LDDD）、局部级联破坏分解法（Partial Cascade Destroy Decomposition,PCDD）、有限最小规模级联分解法（Limited Minimum Size Cascade Decomposition,LMSCD）。布局方法为级联分层FR算法（Cascade Decomposition Fruchterman-Reingold,CDFR）,作为本文在可视化领域的应用提出。在应用上,本文在5个领域展开了实验与应用。在传播动力学中,本文使用易感-感染-恢复模型与易感-感染-易感模型将本文分层方法与13种其它方法在15个数据集上对比,证明了本文的方法有优秀的效果;在生态学中,本文提出了预测共生系统崩溃征兆的应用并验证其效果;在同步与控制领域,本文展开了利用分层方法选择牵制控制受控节点的应用并验证其效果;在网络演化领域,本文应用分层方法分析自治系统演化规律;在网络可视化领域,本文研究了分层方法在节点布局上的应用,提出了基于分层的CDFR算法并分析了结果。综上,除经典的传播动力学实验外,本文在生态学、同步与控制、网络演化、可视化四个领域中拓展了应用。在传播动力学、生态学、同步与控制领域均通过实验验证了本文方法相比对照方法具有更好的效果,利用不同领域的多重检验确保了结果具有较高可靠性,而在网络演化、可视化领域中,本文完成了实验目标并分析了本文方法的优势。