从上个世纪八九十年代开始，随着计算机数据处理能力的高速发展，越来越多的实证研究工作表明现实生活中大量的网络,如人与人之间的社交网络、英特网、万维网及上面的在线社交网络等，既不是规则的，也不是随机的，而是具有与前面两者不同的统计特征，其中最重要的是小世界特性和无标度特性。近些年，网络研究工作已经渗透到各个科学领域，社会科学、信息科学、统计物理、数学、生物学等多个学科的学者从各自的角度切入这个领域，并逐渐形成了一个新兴的交叉性学科——“复杂网络”。1998年Watts与Strogatz和1999年Barabási与Albert的分别各自构建了一个复杂网络模型，这两个具有开创意义的研究工作真正开启了复杂网络研究的热潮。而信息的扩散与传输是现实生活中非常常见的群体行为之一，例如新闻、消息、新的名词和网络热词等在社会网络中的扩散，信息包在互联网各路由器之间的传递过程等。那么，我们会很自然的会想到一个问题：实证数据研究所获得的现实的网络拓扑结构特性对于信息的扩散与传输过程会有什么影响？在充分地掌握了网络结构特性之后，能否提出更加有效的策略来优化这个过程呢？　　 本文首先介绍了复杂网络结构特性量、实证网络结构研究现状和几种经典网络模型，接着介绍了信息网络上信息包扩散和传输方面的研究发展状况，并介绍了一种能够很好刻画信息传输过程的信息交通流模型，然后讨论了几种在这个模型上比较有效的路由策略。最后提出了一种比较有效的路由策略，只需用一个参数α来调控。我们发现网络负载容量（用临界信息包生产率Rc来刻画）跟参数α的关系是非线性的。当取最佳参数值α=0.1时，网络信息负载容量远远大于有效路径策略。通过对网络负载分布的分析，负载容量提高的原因可能是对Hub节点的有效利用。然后我们又分析了存在邻居节点排队长度信息更新延时的情况，网络的负载容量是独立于更新延时的，特别的，当延迟时间小于80时间步时，网络的总信息包数目和平均信息包传输时间基本保持不变。应该说我们的路由策略效率比较高，还是比较具有现实意义的。