自2000年,Kleinberg首次证明了复杂网络的可搜索性后,许多优秀的搜索算法被一一提出。这些经典算法使用在当时复杂网络信息传递中,但随着对复杂网络的应用逐步深入,传统算法不能适用更多的网络,应用的普遍性不足。为了适用于更多的网络环境,本文对基于邻接矩阵各次幂的复杂网络搜索进行了研究。本文所做的工作：1)提出基于邻接矩阵各次幂信息的最大度搜索策略的改进方法。最大度算法可以看成是对邻接矩阵二次幂A2信息的运用,一些改进的基于聚类系数与最大度搜索的算法是对邻接矩阵二次幂和三次幂信息的运用。而本人是对矩阵各次幂求和,考虑的因素更多。2)用邻接矩阵方法整体描述节点之间的内在联系。常用来度量网络节点重要性的指标有度中心性、介数中心性和特征向量中心性。本文用邻接矩阵各次幂求和作为度量节点重要性的新指标,改变了最大度算法在选择下一节点的策略。3)在对新方法原理分析的基础上进行了仿真实验。将改进后的算法与最大度算法在不同网络中进行仿真比较,然后改变网络规模和聚类系数,比较改进后的算法与现存的算法的变化情况。本文新的思想与方法有：提出利用矩阵各次幂信息来作为搜索复杂网络的方法。通过对邻接矩阵各次幂求和来度量节点重要性,提出了对最大度改进的算法。改变最大度算法简单依靠邻居节点度分布情况的选择策略。邻接矩阵各次幂整体地描述了节点之间相互到达需要的路径数,利用这些可以更有效地区分网络的中心节点与边缘节点。将其作为节点重要性的度量,优先搜索通过路径数大的节点,可以改善最大度在搜索过程中易陷入网络的局部中心。通过在不同网络中,仿真比较最大度改进算法与常用算法,结果显示改进的算法能较快地到达网络中心,平均搜索步数较少,适应的网络较广。本文的工作,体现了邻接矩阵在研究复杂网络中的有效性。本文提出的复杂网络的搜索算法,具有一定的参考价值。