无中心式协同网络系统已在现代信息系统中获得了广泛的应用,这类应用中的个体通常广泛分布在复杂的环境中,通过个体之间的信息交互来共同完成系统的任务。而当这类分布式系统应用向规模化方向发展时,如何设计结点之间交互的优化方法提高这些系统效率成为一个瓶颈问题。由于结点对系统状态的部分可观测性,导致网络的协同最优化求解问题成为一个NEXP-COMPELTE问题,最优网络协同行为求解几乎不可能。而当前对于结点之间的交互优化通常关注于结点之间的交互策略,而忽略了网络结构本身对结点之间的交互产生的影响。目前针对复杂网络的研究已有很多,但是通过利用或者改变网络的结构特性来优化结点之间交互的研究却很少。无中心式系统中结点之间的交互方式同人类社会类似,结点会根据自己所处的社会地位以及当前对整个系统的状态评估情况做出通信决策。通过认知网络结构以及结点在网络中所处的地位,结点能够很好的评估网络通信状况,从而做出通信决策,或者通过调整网络结构来提交结点交互效率。本文中我们主要针对基于传感器或者多机器人的以广播形式进行通信的以及基于多智能体或软件中间件以P2P方式进行通信的两种无中心式系统的协同交互进行优化。在基于传感器或多机器人的无中心式系统中,结点之间的连接依赖于结点网络部署情况,改变网络结构需要消耗大量能量,另外,在广播通信中,网络结构的调整对广播的效率并不会产生太大影响,因此,在这类网络中,我们利用复杂网络属性对信息广播的影响来优化结点交互。而在基于P2P通信的网络中,结点之间的连接为逻辑连接,我们可以通过改变结点之间的局部连接调整网络结构,使得整个网络的交互更优。首先我们通过实验仿真的方法分别研究网络特性以及网络结构对两种不同的网络结点协同交互产生的影响,并研究如何利用这些特性优化结点之间的交互。然后分别提出两种通信模型下的复杂网络属性模型以及其维护和更新算法,最后提出整合的利用复杂网络属性对结点交互进行优化的启发式算法。我们通过仿真实验,加载不同的交互机制,验证了本文提出的两种算法的有效性。