很多复杂系统都可以被建模成由点和边组成的网络模型，传统的数理工具很难分析这种尺度大、交互关系复杂、高耦合的对象，复杂网络理论因此而逐渐兴起，并成为人们研究和分析复杂系统的有力工具。网络所承载的功能由网络的拓扑结构决定，网络拓扑结构的鲁棒性决定了网络功能的鲁棒性，因此网络的鲁棒性提升研究逐渐成为复杂网络领域的研究热点。
　　现有网络鲁棒性提升策略聚焦在如何优化网络拓扑来尽可能地保持网络遭受到攻击(或发生故障)后的最大连通片尺度不变，然而这种做法忽视了网络中不同节点的重要性不同，以及不同重要性节点对网络承担功能的影响程度也不同。因此，本文在现有工作的基础上提出了网络中核心外围结构的鲁棒性提升策略，即尽可能地确保网络在遭受攻击后，核心节点在网络拓扑中仍然能够扮演“核心”角色。本文主要包含以下几个方面：
　　(1)现有鲁棒性提升策略研究多基于网络的全局拓扑结构，忽视了网络节点重要性的不同。本文提出了一种新的核心外围结构鲁棒性测度，用来衡量网络的核心外围结构鲁棒性，该研究填补了相关的理论的空白。
　　(2)本文提出了一种通用的多目标的鲁棒性提升策略，可以同时提升网络的目标攻击鲁棒性和随机故障鲁棒性，所提出的策略为研究各种网络的鲁棒性提供了一个通用的框架，对构建具有高鲁棒性的网络拓扑结构具有重要指导意义。
　　(3)本文定义了针对边攻击(故障)的网络核心外围结构鲁棒性，同时提出了一种局部搜索策略，来提高鲁棒性提升框架的搜索效率。
　　(4)本文将普通网络上的鲁棒性提升策略拓展到相互依存网络上，现实生活中的大多数复杂系统呈现相互依存的特点，多个复杂系统会构成一个相互依存系统。现存工作对相互依存网络研究较少，本文的工作有助于构建具有较高的核心外围结构鲁棒性的相互依存网络。
　　(5)考虑到社团划分算法在鲁棒性提升领域的重要性，本文提出了一种基于一致性动力学和生物地理学优化的社团划分算法，相较于其他划分算法，本文提出的算法在不同类型的网络上都能取得更好的效果。