随着人类文明和科学技术的持续发展,现代社会中涌现出越来越多不同类型的复杂系统,它们之间相互依存、彼此影响,共同为人类的生活提供便利。然而,当复杂系统受到攻击时,系统中的部分节点将会失效,可能会引发大面积崩溃,造成不可估量的经济损失。因此,许多学者将这类复杂系统抽象为相依网络模型,并研究其结构拓扑和网络鲁棒性之间的关系。网络鲁棒性是指在遭受攻击或者故障时,网络保持自身功能完整性的能力。尽管此前的科学家们已经提出了许多有效的单层网络鲁棒优化方法,由于现代网络系统之间的相依关系,先前的优化策略并不能直接应用于相依网络模型,因此需要根据相依网络的结构特点提出新的网络结构调整方法。本文针对已有的基于蓄意攻击的相依网络鲁棒性优化方法中存在的优化不高效、不全面的问题,从网络层间结构、层内结构和整体结构的角度分析网络特性并提出相应的优化方法。具体的工作分为以下三部分内容:1.提出了基于密母算法的相依网络层间结构优化方法针对现有方法中基于蓄意攻击的研究较少并且没有充分利用网络的层内结构特征作为先验信息进行辅助搜索的问题,基于密母算法的框架,本文设计了基于局部结构保留的部分映射交叉算子和基于相互相邻节点重组的局部搜索算子,从而实现改善候选解质量、加速算法收敛的目的。此外,本文将所提出的层间结构优化方法应用在人工合成网络和实际耦合网络上,并与现有的方法进行对比,实验结果表明所提方法在提升网络鲁棒性方面具有的性能优势。2.提出了基于多智能体密母的相依网络层内结构优化方法针对现有方法中忽略了网络的层间连接结构,没有考虑不同层网络在攻击模型下的特点的问题,基于多智能体优化的框架,本文设计了基于网络结构迁移的邻域交叉算子和基于分层局部搜索的自学习算子,并且分别对受攻击层网络和受影响层网络采用洋葱状结构搜索策略和结构相似性学习策略。在实验中,本文用多种人工合成网络和实际耦合网络对所提出的层内结构优化方法进行了测试,获得的鲁棒性实验结果要优于两种经典的启发式优化算法。此外,本文还分析了优化后的网络拓扑结构,并讨论了网络结构特性与网络鲁棒性的联系。3.提出了基于合作协同密母的相依网络鲁棒性优化方法针对现有方法中只调整层间结构或者层内结构而导致网络结构优化不全面的问题,本文将相依网络结构优化问题分解成层间结构优化和层内结构优化这两个单独的子问题,通过合作协同进化算法实现子问题的独立搜索与不同子问题之间的信息交互,从而促进算法的快速收敛。随后本文将该方法在人工合成网络和实际耦合网络进行了仿真实验,并与串行优化方法和启发式方法进行对比,结果证明本文提出的方法能够更加有效而全面地优化相依网络的鲁棒性。