在复杂网络的基础研究工作中,对于关键节点的研究一直是热门领域。关键节点虽然在数量上占很小的比例,但它们在网络中的地位却非常重要,往往能决定网络的功能。因此对网络中关键节点的识别技术研究,是一项非常有价值的工作。虽然目前有很多节点的识别技术,但由于受到复杂网络结构、功能等因素的影响,以及实际应用的特定需要,现有节点识别方法不能满足需求。所以,如何对节点的重要性进行有效评估并发现与实际情况相符的关键节点成为当前研究的热点。针对这些问题,本文所做的工作如下：(1)介绍了复杂网络在计算机中的存储表示和常见网络统计特性,并给出了相应计算公式。同时详细介绍了复杂网络的几种基本模型,分别进行了构建与展示。(2)引入了更能准确反映真实世界的异质网络模型,并分析了网络的特性,指出这种网络与常见三种网络的不同与联系。利用五种经典的关键节点识别方法,对异质网络进行了关节节点的识别研究,发现重要度贡献矩阵法和K-shell法识别准度最高,可以有效把握网络的核心组成成分,挖掘出复杂网络中的关键节点。(3)提出了“关键节点”和“重要性”的概念,为本文的后续研究工作明确目标节点的选择。针对节点相对重要性评估,提出了关键节点的评估框架,同时给出了三种评估策略。本文通过对网络可靠性的研究,利用统计特征评估法,制定及引用了反映网络连通性与网络脆弱性的可靠性指标,共同实现了节点的相对重要性评估和关键节点的发现,并实验验证了该方法的有效性及可行性。该方法克服了传统单一网络性能统计参数的评估弊端,全面有效地衡量了网络的可靠性,从而提高了节点相对重要性评估的准确性,为更好的发现关键节点提供了必要条件。同时该方法也客观展示了发现关键节点的全过程,为今后研究异质网络中关键节点的发现问题提供了可参考的分析实例。本文在对关键节点发现技术研究的过程中,综合考虑了网络结构对节点重要性评估的影响,通过对节点相对重要性评估的研究与实现,较为有效解决了传统节点评估差异的问题,完善了现有节点重要性评估方法。最后,对本文工作进行了总结,对不足之处做了说明,并对未来的工作提出了展望。