一个典型的复杂网络是由节点以及连接节点的边组成。P2P网络和社会网络是复杂网络的两个典型实例。本报告的主要内容为P2P网络中资源的寻找和社会网中推荐策略对产品在网络中的传播影响。 由于P2P网络的幂率分布特性，选择度最火的节点进行转发请求在减少选择邻居数的同时可以增加查询请求在网络中的覆盖率，被认为是一种有效的搜索方法。非结构化P2P中由于没有中心服务器也没有中心目录，选择度最大的节点的方法通常采用启发式搜索。在启发式搜索里面，不可避免的具有局部最优问题。局部最优解问题是指只能查找一定范围内的最大度节点。局部最优解带来的主要问题是影响查询请求在P2P系统中节点覆盖率。本文利用具有自治性的实体在P2P中选择当前最大度节点的游走策略和随机跳走策略，并结合实体之间的正反馈来寻求网络中最大度节点，P2P网络节点根据实体返回的最大度节点信息转发查询请求。与目前方法不同的地方在于我们采用随机跳走策略并结合实体之间的正反馈来解决局部最优问题。 推荐系统的目的是向顾客推荐该顾客最有可能购买的产品。随着Facebook和开心网等社会网系统的发展，人们通过在这些网络中添加好友等行为在这些网络中形成了一些社会关系。通过社会网进行推荐也是一个热点问题。网络中的用户的推荐将影响与他们相连接的用户的选择。本文利用了实体自治性的特点，结合了用户兴趣度分布和产品属性分布以及用户的各种推荐策略来模拟和讨论了网络中用户的行为对产品在网络中的传播的影响。