复杂网络是指具有小世界、无标度等部分或全部性质的网络。社会生活的各个领域都可抽象为复杂网络,如社会关系网、生物网络、国际金融网络等都具有复杂网络的特性。因此复杂网络的研究对现实社会具有重大的理论价值及实践意义。本文主要研究复杂网络的节点重要性排序和影响最大化两方面问题,下面将针对这两个问题进行论述。首先,提出基于三角邻域与k-shell节点重要性排序算法,该算法解决了因k-shell分解算法具有粗粒化特性,使不同重要程度的节点具有相同的k-shell值,且没有考虑节点传播信息时的重叠效应等问题。针对以上问题,引入三角邻域相似度,同时考虑节点的局部和全局属性,以期充分评估节点的重要程度,提高算法的准确率及有效性。其次,为使信息更快、更广的传播,提出一种基于社团混合式影响最大化算法。解决了因传统爬山贪婪算法的计算成本偏高,启发式算法计算精度低等问题。针对以上问题,综合考虑网络的社团结构及社团间连接节点特性,同时融合节点在社团的自身影响力及与社团其他节点的连接强度,以期得到有效及准确的种子集,使信息能够快速传播至网络。最后,分别将本文所提的两种算法使用不同的评价标准,与其他算法进行对比仿真实验,实验表明基于三角邻域节点与k-shell重要性排序算法的排序结果优于其他算法,基于社团混合式影响最大化算法所选取的种子集比其他算法能使信息更快、更广的传播。