针对软件系统稳定性和鲁棒性的问题,本文基于软件网络中节点之间的调用关系,引入复杂网络的知识理论,从网络拓扑结构的角度,对复杂软件网络中识别影响力节点算法进行研究,并分析网络结构中与节点影响性有关的因素。首先,本文对复杂网络的统计特性进行分析,认为度、度分布、平均路径长度在识别影响力节点时起到重要的作用,同时总结了影响力节点识别的算法,并对这些算法进行分析比较,在此基础上提出以函数为粒度的单元,将软件系统映射为复杂网络的方法。其次,基于PageRank算法,提出针对软件函数之间调用关系的影响力节点识别无权网络算法,该算法计算函数节点的影响力度量值,度量值越高,节点的影响力越大,进而挖掘出网络中的影响力节点。针对PageRank算法中对不连通网络中识别影响力节点排序不唯一的缺陷,该算法在网络原节点外另加一个根节点,此根节点与网络中所有原节点双向连接,得到的新网络是强连通网络,便解决了影响力节点排序不唯一的问题。再次,根据软件函数自身特点和函数间的调用关系,提出针对加权网络的识别影响力节点的算法。该算法基于Kendall’s相关系数对节点的的出入度的?次幂的函数值与节点的影响力的关系进行探讨。并将该算法应用到软件演化中,对软件演化中的潜在特征进行分析。最后,从真实的实验数据出发,对提出的两种算法进行分析。从实验结果出发,分析网络结构中与节点影响性有关的制约因素。通过对两款开源软件进行实验,挖掘软件系统的影响力节点,验证所提方法的有效性和正确性。分析实验结果中节点影响力值的分布规律,得出与节点影响性有关的因素。