近年来发展起来的复杂网络理论是研究复杂系统的一套有效方法。采用复杂网络理论,将现实生活中的复杂系统抽象为节点和边组成的网络,对这些网络的拓扑结构以及网络上的各种动力学过程的分析,极大地提高了人类对现实世界复杂性的认识,也因此复杂网络成为了国内外研究的热点。网络拓扑结构决定网络功能,而网络功能则是由网络结构上的动力学过程实现的,因此网络结构影响动力学过程的行为。可见,对网络拓扑结构特征的研究,是复杂网络一切研究的基础所在。当网络拓扑遭到破坏时,网络所能承担的功能会有所变化,功能变化越小的网络具有越高的鲁棒性。对鲁棒性的研究能够指导构建健壮的网络,因此具有重要现实意义。此外,网络中的节点往往能够根据自身所处的条件,自适应地调整拓扑结构,以恰当地应对(促进或抑制)网络上的动力学过程对节点所产生的影响。网络拓扑结构自适应变化与网络上的动力学过程之间的相互影响被称为共同演化,如何精确地描述共同演化是近年来的研究难点所在。本文针对复杂网络拓扑结构特征、鲁棒性以及动力学过程与网络结构的共同演化现象进行了研究。本文的创新点包括以下几个方面：(1)本文第三章对一种重要的表征拓扑结构特征的统计量——边介数及其性质进行研究。基于生成函数理论,提出了服从任意度分布的随机网络中有限集团(即,有限大小的类树连通子图)内任意边的介数的期望值的解析表达式,并分别以泊松度分布和幂率度分布随机网络为例验证了该表达式。此外,发现了边介数与边所在有限集团的大小之间存在渐进的幂率关系。以往欠缺对边介数的解析研究,而本文所提出的解析表达式填补了理论空白而且能够精确衡量任意边的负载程度及其发生拥塞的危险性。(2)本文第四章研究网络在遭受结构上的随机故障后,其结构和功能的变化。解析地分析了随机网络在遭受随机边删除后,平均最短路径长度的变化,提出了较为精确的估计公式来刻画这种变化,还分别以泊松度分布、幂率度分布和指数度分布随机网络为例验证了所提公式。所提公式为研究各种随机网络的鲁棒性提供了一个通用的框架,对构建抗随机故障的网络结构具有重要指导意义。(3)本文第五章研究有限大小网络上的一种共同演化现象：复杂网络上的病毒传播以及网络中节点为应对病毒传播而改变拓扑结构的自适应行为。提出了一种自适应SIS模型(简称ASIS模型),该模型以精确的马尔科夫过程刻画了有限大小网络上的此种共同演化现象,分析了该过程稳态时的行为,得到了平均亚稳态染病节点比例以及传播临界值的表达式。此外,发现了传播临界值与拓扑结构自适应变化的速率之间具有线性关系,即拓扑结构自适应变化能够抑制病毒传播且抑制效果是线性的。通过计算机模拟实验研究发现,在病毒传播的网络上,节点的自适应行为使得网络拓扑变得具有同配性和社团结构,处于健康态的全部节点组成内部紧密连接的一个社团,而染病态的所有节点被孤立起来组成另一个社团,两社团之间连接松散。在理论上,本文提出的精确描述有限大小网络上共同演化现象的方法,克服了传统的平均场近似法因为忽略拓扑结构等细节信息而产生的理论上的不严谨性；在实践上,本文的研究有助于更精确地理解网络中个体行为对病毒传播过程的影响,对于预测防治病毒传播有重要意义。