复杂网络是随着网络理论和计算机技术的快速发展而出现的一个新的研究方向,真实世界中的很多领域都可以抽象为复杂网络。同时对复杂网络的建模机理和建模过程的深入研究,可以解释隐藏在自然界、社会界、生物界中的复杂系统的共同规律。而在复杂网络的研究过程中,对重要节点的挖掘方法的研究,对于复杂网络的鲁棒性和可靠性的提高有很重要的实际意义。真实世界中的网络具有不同的网络拓扑结构,面对不同的攻击,每个网络的抵抗毁坏的方式和能力各有不同,因此,研究重要节点的挖掘对于提高复杂网络的抗毁性有着十分重要的意义。由于复杂网络的结构变化多样,对重要节点演化的研究和演化模型建立过程的分析显得尤为重要。因此如何真实有效的模拟复杂网络重要节点的演化过程和网络演化模型建立过程,使得建立的复杂网络演化模型能够更加符合真实世界的网络特征,这已经成为了复杂网络领域的重点研究问题。本文主要围绕复杂网络中重要节点挖掘及演化、演化模型的建立几个方面进行展开,主要所做的工作如下：(1)分析一些常见的重要节点评价指标,例如度中心性、介数中心性、Katz中心性等,研究表明这些单一指标存在优势和不足之处；同样研究一些综合性的重要节点评价方法,这些方法结合单一指标各自存在的优势而且弥补其中的缺陷。在复杂网络演化模型的研究中,重点分析BA演化模型连接机制及建立过程,分析了BA演化模型的不足,探讨BA演化模型连接机制以及存在的问题,并且调研一些基于BA演化模型改进的演化模型。(2)基于己存在的重要节点挖掘算法,提出一种新的网络重要节点挖掘算法(文中简称BKC),该算法结合介数中心性和Katz中心性,其不仅考虑到介数中心性的全局中心性特征而且考虑到Katz中心性的局部中心性特征,有效的避免了介数中心性单纯以最短路径为主的不足。在小型网络和公用数据集上验证该算法的可行性,并且在公用的数据集上与其他四种重要节点评价方法进行对比,最后有效的验证本文提出的算法在重要节点挖掘方面比其他重要节点挖掘算法更具优势。(3)针对复杂网络中微观结构演化分析大部分基于节点自身属性对网络演化的影响,而对网络中意见领袖和结构洞研究较少的问题。主要分析网络动态演化过程中,意见领袖和结构洞的变化规律。接着研究网络演化模型的建立,根据BA演化模型仅基于度优先连接机制,提出一种新的网络演化模型,该模型是基于BKC算法的网络演化模型,它取代BA演化模型仅仅以度作为优先连接机制,采用BKC算法作为网络演化过程中节点优先连接的机制。Matlab模拟实验结果表明,改进的网络演化模型不仅度符合幂律分布,其演化模型的平均路径长度、聚集系数这两个动力学特征都要比原始BA演化模型更符合现实世界特征,并更具合理性。