复杂网络上的疾病传播研究为人们理解疾病在大规模的社会网络中的传播模式提供了一个实用的视角。这个领域大量的研究成果，对于传染病的理解、预防及相应的免疫方案的制定或多或少的提供了一些宏观的佐证。复杂网络的不同结构会对疾病传播行为产生很大程度的影响，以往的研究工作着重探讨了复杂网络的拓扑结构对疾病传播动力学的影响，从最初的规则网到无标度网，发现在无标度网上疾病传播的临界值出现了缺失的情况。　　 随着复杂网络研究的深入，除了拓扑结构之外，产生了更多的特征用于衡量复杂网络的结构，如空间结构，社团结构，层次结构等。那么，复杂网络的空间结构和社团结构对疾病传播有哪些影响呢?本文针对这两个问题进行了讨论。　　 大量的实证研究表明，人类和动物的行走模式符合一种叫做Levy flight的游走模式，即步长为d的游走出现的概率服从一个指数为α的幂律分布，而实际的社会网络中又存在着一种节点之间的距离分布呈现幂律特性的空间现象。由此，本文首先在Levyflight模式，即距离幂律分布的基础上，利用成本约束对节点的连边总长度进行限制，构建了一个具有空间结构的加权网络模型。然后，在该空间网络模型上引入SIS和SI疾病传播模型，通过平均场理论分析和数值模拟分析，探讨了网络空间结构对疾病传播的影响。发现在空间加权网络的Levy flight幂指数α=-2附近，SIS模型中的传播临界值λc出现了本质的变化，当α<-2时，λc是一个较小的值，而当α>-2时，λc一下就突变为1。而在SI模型中，当α=-2时，疾病传播速度达到最大值。　　 为了讨论社团结构对疾病传播的影响，本文在具有小世界网络结构的基本社团基础上，通过改变社团间连边数占网络中总边数的比例，得到了一系列具有相同度分布的社团结构明显程度不同的网络。然后通过数值模拟，讨论这些网络上SIR疾病模型的行为。得到了社团结构越明显，疾病传播越缓慢，传播达到峰值时的疾病感染率越低的结论。最后，我们还给出了基于子图中心性的一种划分重叠社团结构的算法。