自然界和人类社会中广泛存在着各种各样的复杂系统,而复杂系统可通过复杂网络来描述。复杂网络的研究将极大地促进复杂系统的研究与发展,对理解复杂系统的结构与功能具有重要的意义。近年来,复杂网络的研究正渗透到从物理学到生物学的众多不同学科,对复杂网络的定性特征与定量规律的深入探索、科学理解以及可能的应用,已经成为复杂系统或复杂性科学研究中一项极其重要的挑战性课题。链路预测是复杂网络中的一个新兴的研究方向,是指利用已知的网络节点和网络结构等信息预测网络中存在但尚未发现的未知链接和不存在但可能形成的未来链接。近年来,链路预测因其重要的理论价值和潜在的应用前景而广受关注,成为了复杂网络研究领域的研究热点之一。目前,链路预测的研究主要集中在无向无权网络,关于有向或加权网络的链路预测问题的研究较少。本论文以无向无权网络的链路预测算法为基础,分别发展了有向网络的链路预测算法和加权网络的链路预测改进算法。本论文共分四章,第一章简单介绍了复杂网络中链路预测及其研究意义。第二章回顾了无向无权网络中链路预测的研究进展。在第三章中,我们首先将12种针对无向网络的链路预测算法拓展有向网络的情况,建立起了基于局域连接信息的有向链路预测算法的基本框架。然后,基于有向网络模体的统计分析,我们构造了一种广义的共有邻居指数,同时也提出了一种两指数共同预测的结合指数。在10个真实有向网络中,我们对基于这些指数所建立的16种链路预测算法进行了测试和分析,得到了一些对实际应用有一定指导意义的结论。特别地,归因于高的预测精度和低的计算复杂度,广义共有邻居指数和结合指数将有望在实际的链路信息挖掘中得到应用。在第四章,我们提出了一种适于加权网络链路预测的改进算法,在几个真实的加权网络中进行了测试,分析了强、弱链接对预测精度的影响,发现弱链接在实现链路的高精度预测方面具有比强链接更重要的作用。最后,我们对论文进行了总结,并对将来可能的研究方向进行了展望。