近年来，可视化技术受到国内外学术界的极大关注，被应用于数据挖掘、统计分析、国防军事等多个领域。可视化技术在复杂网络、多维数据方面也有一定的发展和应用，但是在这两方面的综合应用尚处于发展起步阶段，尤其是在理论和可视化算法上还达不到较好的统一。因此，研究复杂网络多维数据可视化算法对于解决可视化技术理论和应用的一致性很有必要。　　 本文在总结复杂网络、多维数据、可视化技术三方面国内外研究现状基础上，分析了存在的主要问题，针对多维复杂网络数据可视化算法进行了重点研究。　　 第一，根据多维数据降维映射理论，结合数据仓库多维建模技术，参考物化视图多维数据建模方式，构建了一种雪花式的多维复杂网络数据模型。其中，根据复杂网络的研究内容和特性，按拓扑结构、动力学特性、时间演化等维度表达和存储多维复杂网络数据，满足了对其进行可视化展示的要求。　　 第二，针对现有可视化拓扑结构的力导引算法存在节点排布过密、随机性大、不易反映网络拓扑结构等不足，提出一种考虑复杂网络个体交互规则的改进力导引算法。在改进算法中，基于突现观点，在原算法的物理模型中引入突现判定指标“聚类系数”，使模型具有自适应性，更加符合真实网络的交互规则。采用复杂网络研究领域的经典数据集测试算法的正确性，并和引入社区划分可视化算法进行对比，实验证明改进算法仅通过简单合理的交互规则便能将网络拓扑结构突现出来。　　 第三，针对当前并未有较为明确的复杂网络动力学特性可视化算法的现状，提出了复杂网络动力学特性可视化算法，即演化地域性可视化算法和定量指标可视化算法。其中，演化地域性可视化算法将复杂网络的传播特性和地域特点建立映射关系，动态演示传播过程，增强交互性;在与“百度指数平台”对相同数据集的可视化效果对比中，得出该算法能够传达更多数据信息的结论。针对定量指标可视化算法，提出一种加入了决策属性和时间属性的十维平行坐标系，有利于通过观察多维定量指标可视化结果形状，来实现指标值组合分类，观察指标随时间的变化情况。　　 最后，将本文提出的各类算法集成在一起，开发了一个多维复杂网络数据可视化原型系统，采用真实数据集进行了系统集成测试。