从古至今，人类在现实社会生活中一直面对着来自各方面的挑战，其中禽流感、SARS等新型传染病的出现成为当今社会所面临的重大挑战之一。这些新型传染病的每一次爆发都严重的威胁到人类的生命，同时也造成了经济上的巨大损失。事实上，人类社会的加速发展已经使得人群中个体的流动日益频繁，人际关系网络变得日益庞大和复杂，这些因素都极大地促进了传染病在人群中的传播。为了能够制定出有效的传染病抑制策略，减少人民财产的损失，研究出符合新型传染病特点的疾病传播模型是十分必要的。本文首先介绍了复杂网络科学研究的背景、特点、面临的挑战和目前国内外在复杂系统和复杂性科学领域的研究现状；接着简单介绍了三种复杂网络研究中常用的经典的疾病传播模型；然后引入两种典型的复杂网络拓扑结构，包括小世界网络和无标度网络，并进一步分析了这两种网络上的传播行为。论文的后半部分将详细的介绍本人在研究生期间所做的工作，一方面是对现有的疾病传播模型进行改进，另一方面是不可抗力因素对疾病在人群中传播的影响。基于平均场理论和大量的数值仿真，分析了感染延迟、非均匀传输、个体移动等因素对疾病传播的影响，最后在传统的SIR模型基础上，本文提出了一些能够有效抑制传染病传播的控制策略。论文的研究成果与创新性的工作概括如下：1)提出了同时考虑感染延迟和非均匀传输的SIR模型，基于平均场理论和大量的数值仿真，给出了疾病传播临界值的解析公式，并分析了传染延迟和非均匀传播对临界值的影响。2)在研究经典的SIR疾病传播模型的基础上，提出了具有个体移动性的考虑局部感染程度和局部控制程度的SIR模型，通过大量的数值仿真分析感染半径和控制半径对疾病传播的影响。3)在经典的SIR模型的基础上，引入了分布式的感染率，用于表征网络中个体的差异性，并通过大量数值仿真探究了这种分布式感染率对复杂网络上疾病动态传播行为的影响。