现实世界系统和自然界系统中的结构大部分都可以使用网络结构来表示,例如电力系统、交通系统、社交网络以及通信网络等等,这些系统大部分可以认为是一个单层的无标度网络。同时随着当今科技的不断发展,网络之间的相依关系越发显著,多个单层网络之间相互依存构成了相互依存网络。网络鲁棒性是目前网络研究中的一个非常热门的方向,网络鲁棒性即网络在遭受攻击或者故障时,网络保持自身系统完整性的能力。目前已经有很多文章证明无标度网络在遭受蓄意攻击时非常脆弱,在关键节点被攻击后网络就会迅速崩溃,同时对于相互依存网络因为节点的相依关系将会导致其他网络的崩溃,导致严重后果。所以如何优化网络的鲁棒性是解决网络稳定性的一个关键问题。首先本文介绍了复杂网络的背景以及研究网络鲁棒性的意义,然后分单层网络和多层网络介绍了国内外研究的现状,并介绍了常用的一些启发式算法。然后针对目前主流的网络模型和攻击策略进行了介绍,包括4种单层网络,以及根据这4个网络结构相互依存构成的相互依存网络,攻击策略包含基于节点度分布的和基于节点介数的两种攻击方式,同时给出了网络鲁棒性的计算方法。接着在考虑到目前基于度分布不变的前提下,大部分提升网络鲁棒性的方法本质上是随机进行边交换,没有考虑到网络的构成,提升网络的鲁棒性效果有限,本文提出了一种划分网络边的方式,在此基础上提出了一个优化网络鲁棒性的启发式算法,并在人工合成网络以及真实世界网络中进行了验证,相较其他算法表现出了更好的效果。接着针对多层相互依存网络,本文根据多层网络在遭受蓄意攻击下被攻击层和其他层所展现的不同特点,设计了一种包含两个局部搜索算子的文化基因算法,算法在7种不同类型的相互依存网络中进行了验证,对比传统算法获得了更好的效果,然后介绍了基于k邻近节点的度分布理论,并基于此分析了多层网络在优化前后其结构变化特点,其被攻击层和其他层在优化后的邻近节点度表现出了相反分布。最后针对电力运输网络,设计了基于梯度下降算法的电力运输网络优化算法,算法通过为每一个节点对之间设计一个最优连接率来表示该节点间连接对网络鲁棒性的影响,然后使用梯度下降算法更新最优连接率,然后基于最优连接率设计了一个搜索算子,并结合使用一个传统的贪婪算子前期进行快速搜索,算法最后在真实世界网络中进行了仿真。