近年来，众多复杂网络研究学者越来越关注复杂网络中重要节点发现算法的研究。网络中少量的重要节点对网络的影响超乎想象，例如信息通过重要节点能够在很短的时间内快速传播到整个网络，对社会网络中少量的重要节点进行免疫能够有效延缓甚至控制谣言或者病毒的传播。有效发现网络中的重要节点在诸多领域中都具有非常重要的意义，如政治、经济、生物、电力网、通信网络等领域。本文针对重要节点发现算法的研究做了如下工作：　　1.针对现有传统经典的重要节点发现算法进行了研究，详细介绍了度中心性，介数中心性，接近中心性，特征向量以及PageRank算法5种算法，并比较了各自的优缺点。　　2.根据相连节点对之间的共同邻居节点数目，提出了贡献度概念来表征节点间的相互贡献。在现实网络中，节点与其邻居节点的连接关系存在亲疏之分，节点对与其连接亲密的邻居节点的贡献度较大，这与传统算法不同，更符合实际情况。本文通过K-Shell分解算法得到节点的自身属性值，认为节点的重要度取决于节点自身属性和邻居节点对其影响，由此提出了KSC算法。　　3.针对真实的Zachary空手道网络，海豚社会网络以及计算机生成的ER随机图进行仿真。通过分析网络的拓扑结构，观察节点之间的连接情况，验证本文KSC算法能够有效发现网络中的核心节点，尤其是发现社团中的核心节点很有效。　　4.编写传播仿真程序，采用SIR传播模型，在单源传播情况下，KSC算法表现较好。此外还进行重要节点免疫实验仿真，实验结果表明：免疫KSC算法发现的重要节点，能够有效阻止恶意信息的传播。