复杂网络的相关研究对社会生活各方面都具有重要意义,随着对其相关研究的不断深入和社会信息的飞速发展,最初的节点间只存在一种连接关系的单维网路无法满足真实世界的应用需求,对复杂网络的研究也因此逐渐转向节点间具有多种连接关系的多维网络。单维网络中节点中心性度量方法已经取得诸多研究成果,但这些方法在多维网络中效果不佳,且缺乏各维度对节点中心性影响的衡量,所以单维网络中的中心性度量方法在多维网络中不一定适用。目前,多维网络节点中心性度量方法的相关研究中,一类以PageRank算法为基础的度量方法综合考虑了维度对节点中心性的影响,具有重要的参考价值。针对多维网络中节点中心性度量问题,本文在相关研究的基础上,提出了一种基于PageRank思想的Multi-PageRank算法。首先,提出了计算维度间局部迁移倾向算法,这一运算结果为后续Multi-PageRank算法中节点中心性分配提供基础。在维度间局部迁移倾向计算开始时,考虑到游走过程仅受随机游走者当前所在的局部区域影响,定义了局部多维网络以及局部游走概率,在此基础上利用相对熵度量维度间局部差异,得到维度间局部迁移倾向。其次,以维度间局部迁移倾向为基础构造维度间迁移概率矩阵,据此计算多维网络与对应极端网络的相异度,进而得到多维网络困局概率,并通过该系数对多维网络中节点简单中心性进行修正。再次,给出初始极端网络构造方法,并分析相异度的变化趋势,通过快速选取少量相异度较小的极端网络近似计算困局概率,解决网络维数较高时困局概率计算时间代价过大的问题。最后,给出多维网络中节点中心性度量的Multi-PageRank算法。本文在5个提取自真实世界的多维网络上进行对比实验,实验结果说明本文算法具有几方面优势:在各个网络上所得的节点中心性排名均更为合理;通过调整局部网络半径,可以更准确的反映局部网络结构对节点中心性的影响;通过近似计算困局概率,可以在对节点中心性计算结果影响很小的前提下,更快速的处理高维网络数据,在获得合理性排名的同时保证计算效率。