近年来，复杂网络研究引起了广泛的关注。现实生活中的许多基础设施都可以建模为复杂网络，如供电网络、交通网络和互联网等。大部分复杂网络并非是随机网络，而是呈现出一种特殊的结构。无标度网络就是一种特殊形态的复杂网络，它表现为少数的重要节点拥有大量的连接，而新加入的节点也会以较大概率连接到这些重要节点上。无标度网络因其“重尾”特性而表现得十分脆弱，因此会不可避免地出现各种故障。网络鲁棒性就是用来评估网络对各种攻击的抵抗能力的指标。近年来，许多优化算法被用来提高网络的鲁棒性，如模拟退火算法、文化基因算法以及禁忌搜索算法等。然而，这些算法都难以取得满意的效果。本文针对该问题进行了研究，主要目的和贡献如下:
　　(1)网络鲁棒性优化问题是一个NP-完全问题，因此研究人员们总是希望能够找到新的优化算法以尽可能地提高网络的鲁棒性。本文提出了一种基于迭代局部搜索(Iterated Local Search，ILS)的改进算法用于优化无标度网络的鲁棒性，提高其对于节点恶意攻击的抵抗能力。本文还对已有的节点鲁棒性度量标准进行了优化，使其能够更准确地描述星状网络和全局耦合网络这两种极端网络。ILS算法通过不断迭代的局部搜索与扰乱操作来寻找一个尽可能好的次优解，算法在局部搜索阶段添加了一种更符合优化后网络的“类洋葱”特性的约束条件来减少计算量，在扰动阶段采用与局部搜索阶段不同的算子。在人工无标度网络和真实世界网络上的实验结果表明，与现有的几种优化算法相比，本文提出的ILS算法能够更加快速地收敛到质量更好的解。
　　(2)在真实世界中，恶意攻击除了会以重要节点为目标外，往往还会对网络中的其他重要元素进行攻击，并且在很多情况下多种攻击模式是同时存在的。因此，考虑到这种情况，本文进一步将网络鲁棒性提高问题建模为多目标优化问题，并就如何同时提高无标度网络的节点鲁棒性与边鲁棒性展开了研究。本文首先对已有的边鲁棒性度量标准进行了优化，并将其与节点鲁棒性度量标准通过加权求和的方式将多目标优化问题转化为单目标优化问题。之后使用ILS算法对混合攻击模型下的无标度网络进行优化，通过改变加权系数，研究其对网络鲁棒性的影响。在人工无标度网络和真实世界网络上的实验结果表明，与现有的几种优化算法相比，本文提出的基于迭代局部搜索的无标度网络鲁棒性优化算法可以收敛到质量更好的解。此外，本文还对比了节点恶意攻击、边恶意攻击和混合攻击三种攻击模型下优化后的无标度网络拓扑结构，发现混合攻击模型下优化后的无标度网络具有一种介于初始网络和“类洋葱”结构之间的拓扑结构。