复杂性科学的快速发展使得作为其中重要研究分支的复杂网络理论也逐渐成为研究热点。复杂网络理论是抽象出来的一种研究工具,它已经被广泛运用在了许多学科,如生物、化学、材料以及其他应用领域,同时其研究成果又反过来被用于各个领域的研究。现实世界中诸如交通网、社交网、电力网等等无一不是复杂网络。在复杂网络理论研究中,网络的关键节点识别方法是很重要的一部分,对于维护网络安全具有重要意义。可以通过对网络关键节点实施单独的保护措施以增强网络的抗毁性,也可以通过蓄意攻击网络的关键节点使全网遭到破坏。因此,复杂网络关键节点的识别技术研究对于复杂网络理论的发展具有重要理论推动作用,同时在现实网络中也具有重要应用价值。无线传感器网络技术是物联网技术发展中的重要部分。作为复杂网络的一种实体,无线传感器网络,不仅具有复杂网络如节点数目庞大、网络具有动态性、网络结构复杂等特征,更有其自身的独特特点,如所处环境恶劣且能量有限容易造成节点失效、节点无法更换电源等。因此,布点之前确定好关键节点,从而对这些节点实施单独保护措施或单独撒点或增加额外电源等,有利于提升网络运行效率、增强抗毁性,从而延长网络的生命周期。由此可见,无线传感器网络的关键节点识别技术研究对实际应用具重要价值。本文基于复杂网络理论,对复杂网络的关键节点识别展开研究,针对现有方法在量化节点重要程度上的不足,首先提出了度指数和介指数来优化网络节点重要性的评估,然后通过引入层次分析法并结合传感器网络的特点,在节点权重的量化、评估指标的选取以及指标权重的分配等方面进行优化,形成了本文所提出的无线传感器网络关键节点识别算法-DB-AHP算法。通过经典的复杂网络模型进行实验仿真表明,本文所提出的DB-AHP算法与现有方法的度、介数或单一运用任意一种方法相比在网络关键节点的识别上综合性更强,更为合理。本文的主要工作包括以下内容：第一,对目前复杂网络中已有的挖掘网络关键节点的方法作了详细分析研究。针对社会网络分析法中已有识别方法忽略了网络的整体特性、不能量化节点在全网中的重要程度权重值、无法量化节点相比另一节点的重要性程度值的不足,提出了两个优化了度和介数的节点重要性评估指标：度指数和介数指数。第二,基于度指数(Degree Exponent)和介数指数(Betweenness Exponent),结合无线传感器网络的特点,本文将决策论中的层次分析法引入到复杂网络中,提出了一种针对无线传感器网络特点的关键节点识别算法——DB-AHP,该算法充分利用层次分析法进行决策时的定性判断和定量分析的优势来分配关键节点识别时各项指标的权重,使得最终结果更加科学和合理。DB-AHP算法所得的节点重要性排序结果量化了节点占整个网络的权重,量化了网络中节点相比另一节点的重要性权重。同时,算法考虑了多个评估指标作为影响节点重要性的因素,避免了单一方法的片面性和评价不准确性,又将无线传感器网络的节点间传输的数据流量作为一项重要指标考虑在内,方法更具针对性。第三,实验时同时选择复杂网络模型中的典型模型——随机网络模型和小世界网络模型。选择这两个具有代表性的模型表明针对无线传感器网络本文所提DB-AHP算法具有普适性。通过实验发现,在随机网络模型中,度指标评价出的结果不合理值有20个,介数评估出的结果不合理值有26个,各节点的流量评估结果的不合理值有4个,而DB-AHP得出的结果的不合理值只有1个；小世界网络模型中,度指标评价出的结果不合理值有27个,介数评估出的结果不合理值有27个,各节点的流量评估结果的不合理值有31个,DB-AHP方法得出的结果的不合理值为20个。不管是哪一种模型,DB-AHP算法所得的不合理值都是最小的。而在小世界网络模型中的不合理值比随机网络模型中的不合理值大,是因为度、介数、流量评估的不合理值比较大造成的。实验结果表明本文提出的DB-AHP算法将网络中其他节点对本节点的影响考虑在内,考虑了网络的整体性,量化节点相比另一节点的重要程度以及各节点在整个网络中的重要程度。对于无线传感器网络的关键节点识别,相比运用单一方法和虽然运用多种方法,但未引入度指数和介数指数时更准确有效,寻找出的关键节点更加全面合理。另外,本算法不用删除网络中的节点或边,不会破坏网络,不会影响网络的正常运行。因此,本文提出的DB-AHP方法与现有的挖掘无线传感器网络关键节点的方法比较更加综合全面、安全可靠。