复杂网络的搜搜索策略主要有局部搜索策略和全局搜索策略。复杂网络的全局搜索策略在搜索目标节点过程中需要知道整个网络的信息，而复杂网络局部搜索策略只需要知道局部网络的信息就能找到目标节点。因为在复杂网络这样的大型网络中单个节点不能搜寻到整个网络的信息，所以，目前复杂网络搜索策略主要集中在局部搜索策略上面，对局部搜索策略的研究也是当前搜索课题的重中之重。另外，对基于优化的复杂网络聚类算法的综述性研究在生物学、计算机科学和社会学等多个领域都具有很重要的意义。因此，本文的研究工作如下：　　首先，对经典和最新的基于优化的聚类方法进行了对比分析，综述了近年来最新的比较有代表性的基于优化的复杂网络聚类算法，从算法思想、关键技术等方面进行分析概括。最后展望了该领域的未来研究方向。　　其次，基于BA无标度网络，在此网络上根据聚类系数和度量距离这两个重要的参数，将最小聚类系数搜索策略和最短路径搜索策略结合起来，设计出最小聚类系数最短距离搜索策略。并通过仿真实验将此策略和最小聚类系数搜索策略、贪婪算法及随机游走搜索策略三种搜索策略进行对比分析。最终结论证明了在BA无标度网络上最小聚类系数最短距离搜索策略能取得较好的搜索效果。　　最后，基于BBV网络，对随机游走策略、最大度搜索和局部介数等局部搜索策略进行对比研究的基础上，结合了搜索信息最小及局部中心节点的思想，提出一种结合节点聚类系数和边权值大小的搜索策略，即最小聚类系数最小距离搜索策略。理论分析和仿真实验表明：在搜索代价、搜索时间及搜索覆盖率等方面，都具有较好的搜索效果。