网络科学作为一门新兴学科在近二十年中迅速发展,由于复杂系统普遍存在于自然界及社会系统中,复杂网络作为描述复杂系统的有力工具,关于它的研究涉及了广泛的科学及工程问题。网络中节点的重要性排序问题是网络科学中的一类普遍而重要的研究课题,并且有广泛的科研及应用价值,例如网络中高影响力节点的识别、网页搜索引擎中对网页的排序、在线购物平台中对商品的排序等,节点的重要性排序问题一直以来受到广泛的研究,以往的研究在不同的背景下提出了纷繁多样的节点重要性排序算法。目前,绝大部分传统的节点重要性排序算法默认的研究对象是静态网络,即网络的结构不随时间改变。然而在现实世界中的许多网络会随着时间演化,针对静态网络的节点排序算法将因网络结构随时间的改变产生偏差,因此研究针对演化网络的节点排序算法具有实际意义。与此同时,研究表明在如网页搜索引擎等的诸多场景中,节点的排序算法也对网络结构的进一步演化产生影响,而如何研究节点的排序算法对系统产生的长期影响仍是一个尚未被探索的问题。本论文将着重研究演化网络中节点的重要性排序问题、节点的重要性排序算法对演化网络的长期影响、以及网络中的节点排序在实际场景中的应用。本文的主要工作如下:1.介绍了网络科学中的相关基本概念,对静态网络中几种常见的节点的重要性排序算法进行了总结,阐述了系统的演化对节点的排序算法带来的影响,进一步解释了将静态网络中节点的排序算法应用于演化网络时可能失效的原因,并介绍了克服这一问题的一种有效的解决办法。2.研究了节点的排序算法对演化网络的长期影响。提出了一个新的网络生成模型,在这一模型的基础上,提出了研究节点的重要性排序算法对系统产生的长期影响的新方法,这一研究同时也为节点排序算法的评价提供了新的途径。3.利用真实系统的数据展示了一个在演化系统中节点排序的应用案例。这一部分创新性地提出了一个基于节点排序的用户行为度量方法,发现了在一类在线社会系统中普遍存在两类具有特殊行为特征的用户,其在本文中分别称为:上升趋势预见者和下降趋势预见者。