复杂网络因其独特的拓扑特征能够较好地描述真实系统的结构。大多数网络往往是相互依赖而不是单独起作用的,单层网络不能准确全面地描述真实系统中的依赖关系,因此,对多层网络的研究受到越来越多的关注。相互依赖网络(Interdependent Network)是由相互依赖的两层甚至更多层的网络组成的。网络分解问题是指选出网络中的一组重要节点,这些节点的移除可以导致网络的彻底瓦解。相互依赖网络分解问题的研究对理解实际网络的功能、鲁棒性、结构特征具有至关重要的意义。研究这一问题常用的方法是根据节点中心性指标确定有影响力的节点。本文所要研究的重点是通过定义合理的节点中心性指标,最大限度地减少为实现网络崩溃所需要移除的节点数目,提高网络分解效果。本文主要研究了网络分解过程中邻居节点、连边以及依赖节点对节点重要性的影响,并提出了两种相互依赖网络分解策略。具体工作如下:1.节点度中心性是最简单的节点中心性指标,研究表明根据2-step邻居节点(即邻居节点的邻居节点)的中心性研究节点的重要性可以更好地平衡成本和效果。为了更好地提高相互依赖网络分解的效率,本文提出了ECOB分解策略。节点熵中心性是通过邻居节点和2-step邻居节点的度中心性定义的。基于相互依赖网络中依赖节点之间的影响,本文定义了节点的重叠熵中心性,并作为判断节点重要性的一个标准。为了更准确地甄选重要节点,重叠介数中心性也被作为ECOB策略中重要节点选择机制的标准之一。此外,移除节点使得剩余网络更小是网络分解策略中选择重要节点的可行方法,因此剩余理论被应用到ECOB策略中。根据这些节点选择机制移除目标节点,ECOB分解策略提高了移除节点的效果,减少了为实现网络崩溃所需要移除的节点数目,实现了网络的更优分解。2.仅仅考虑节点对节点重要性的影响并不是很有效,连边对节点重要性的影响也是至关重要的。考虑节点和连边的作用,本文提出了NSKSD分解策略。Sigmod函数具有很多良好性质,基于这个函数本文提出了连边重要性指标,并将节点所有直接连边的重要性之和定义为节点的中心性指标node significance。此外,为了克服度中心性和k-壳分解方法中的不足,结合两者本文定义了节点中心性指标KSD。进一步,基于相互依赖网络中依赖节点之间的作用,本文定义了两种新的节点中心性指标overlapping node significance和overlapping KSD。通过这两种新的节点中心性指标甄选相互依赖网络分解过程中的重要节点,NSKSD策略提高了移除节点的效果,减少了为实现网络崩溃所需要移除的节点数目,实现了网络的更优分解。