复杂网络在各领域中的发展和应用,不仅改善了人类的生活质量也促进了社会生产率的提高。但是,复杂网络也对社会生活产生了一定的负面影响,如传染病的迅速传播,交通运输网络的拥堵,航班航线的延误,城市电力网络的崩溃等。因此,为了对复杂网络系统进行有效地预测和控制,需要对复杂网络系统进行深入细致地分析和研究,识别和评估影响网络结构和功能的重要节点。本文针对复杂网络系统的脆弱性问题,利用复杂网络节点蕴含的局部信息和全局信息,提出四种中心性算法,实现对复杂网络节点重要度的评估,主要研究内容及创新点如下:(1)利用复杂网络的局部信息,提出基于网络扩散机制的节点重要度评估算法。网络中节点影响的扩散机制是指信息流在网络的传播过程中,一个节点对其他节点的影响只影响给该节点的最近邻居节点或者是该节点下一个最近邻居节点。基于该机制,本文提出扩散中心性算法识别和评估网络中的重要节点。该算法主要考察了节点本身的局部信息的影响以及距离节点第二层的邻居的邻居节点信息的影响来评价节点的重要性。利用SI疾病传播模型对算法进行评价,通过在真实网络中的实验比较分析,验证了网络扩散中心性算法的有效性。(2)利用复杂网络的全局信息,提出基于网络全局效率和随机游走机制的节点重要度评估算法。1)基于网络全局效率原理,提出网络全局效率中心性算法。该算法与传统中心性的不同之处在于更注重网络的动力学过程及网络的全局结构信息,是通过对网络边的消除来定义网络的效率,而不是移除网络的节点。利用SI疾病传播模型对算法进行评价,通过在真实网络中的实验比较分析,验证了网络全局效率中心性算法的有效性。2)基于网络随机游走原理,提出吸收中心性算法。考虑信息流在网络中随机游走的全局拓扑结构,该算法利用网络节点到达吸收节点的时间来衡量网络中节点的重要度。利用SI疾病传播模型对算法进行评价,通过在真实网络中的实验比较分析,验证了吸收中心性算法的有效性。(3)利用复杂网络的局部和全局信息,提出基于中心性融合的节点重要度评估算法。不同的中心性算法在网络节点重要度评估方面都存在着一定的局限性,采用不同中心性算法也会产生不同的节点重要度排序结果。为了解决这一问题,结合几种利用复杂网络的局部信息、全局信息设计的中心性算法,提出多中心性融合算法来进行节点重要度评估,该算法可以弱化中心性算法之间的差异和不足。利用SI疾病传播模型对算法进行评价,通过在真实网络中的实验比较分析,验证了融合中心性的有效性。