复杂系统广泛存在于自然界中如生态、社交、电力和交通系统等,大多数复杂系统都可以抽象为复杂网络进行分析研究。复杂网络中对网络结构与功能影响较大的节点被称为重要节点,将复杂网络中的重要节点进行排序不仅有助于更好地理解复杂网络机制,更具有广泛的实际应用价值。表征网络的信息可分为全局信息和局部信息,基于网络全局信息的排序算法通常需要知晓网络的全部拓扑结构,这类算法时间复杂度较高,不适用于对大型网络进行分析。基于网络局部信息的算法复杂度较低,但排序精度往往不高。本文致力于研究仅利用网络局部信息且排序精度较高的重要节点排序算法,主要研究内容如下:(1)介绍了重要节点排序算法研究的理论基础,包括复杂网络的一些基本概念,经典的重要节点排序算法和用于评价节点重要性的指标。(2)提出了一种基于改进结构洞的重要节点排序算法,该算法从网络结构的角度入手,引入了节点贡献权重来充分量化邻居节点对节点的贡献,再结合结构洞理论得到一个新的度量系数,通过该系数表征节点的重要性,进而排序重要节点。在真实数据集上的实验结果表明此算法具有较高的排序精度,能够有效地排序重要节点。(3)提出了一种基于截断随机游走的重要节点排序算法,该算法从信息传播的角度出发,将网络中流动的信息抽象为标签,统计截断随机游走过程中每个节点接受的标签数量以定量表征其在网络中影响力,从而判定节点的重要程度。仿真实验结果表明该算法优于多个基准算法,具有较高的排序精度。本研究提出的两种基于网络局部信息的排序算法进一步补充了重要节点排序算法的研究体系,且算法复杂度较低,排序精度较高,具有较高的实际应用价值。