随着互联网技术的飞速发展,复杂网络逐渐成为人们获取信息的重要媒介。近年来复杂网络的分析研究深受广大学者的青睐。其中节点重要性排序、影响最大化问题有着重要的现实意义,下面将针对这两个问题进行论述。首先,针对K-shell算法划分粒度过大的问题,给出了一个新的指标来替换原始的Ks值,将同一层上节点影响力进一步区分。考虑到节点信息把控能力对其重要性的影响,给出了基于结构洞理论的节点信息把控能力度量指标。最后利用上面给出的两个指标,结合节点局部传播能力,提出一个新的节点重要性排序算法。该算法可以从节点的全局位置、局部传播能力和信息把控能力三个方面综合评价节点的重要程度。其次,针对贪心算法效率低的问题,给出了影响力局部更新机制,并结合网络的社区结构特征,提出融合社区结构和贪心思想的影响最大化算法。该算法分两阶段进行种子节点选取,第一阶段是启发选择阶段,先对网络进行社区划分,以社区为单位,用前面提出的节点重要性排序算法对社区内的节点进行排名,得到候选节点集和第一部分种子节点。第二阶段是贪心选择阶段,利用影响力局部更新机制在候选节点集中选择剩余种子节点。将两部分种子节点结合形成最终种子节点集。最后,在SIR模型和独立级联模型上分别对提出的两种算法使用不同的评价标准,与其他算法进行仿真对比实验。实验结果表明提出的节点重要性排序算法的排序结果优于其他算法,融合社区结构和贪心思想的影响最大化算法所选取的种子集可以使得信息传播的更快、更广。