复杂网络作为复杂性学科中炙手可热的研究课题正受到越来越多研究者的关注,其基本理论已经渗入到各个学科和领域当中,作为该项研究重要分支的复杂网络关键节点识别技术,既具有深刻的理论意义,又有广泛的实用价值。纵观前几年的科研成果,在关键节点识别方面尚存在两个亟待解决的问题：1)目前的研究成果大多基于无向无权网络,而真实网络大多属于有向加权网络,因此需要建立更加适用的指标和评价机制；2)节点中心化指标的综合应用缺乏关联分析,往往只是各个指标的依次使用,可能会在一定程度上遗失节点间的差异,导致中心节点的识别精度下降。为提高关键节点识别的实用性和准确度,本文在分析有向加权复杂网络结构特点的基础上,根据动态安全研究的不同需求,重新定义节点重要度的评估性能指标,实现相应的评估计算方法。为此确定本文研究内容如下：1)针对有向加权网络结构特征,从方向和权值两方面考虑,深入理解并分析基于BBV的有向加权网络模型,确定相关参数并设计实验仿真该网络模型的建模过程,通过数值仿真验证该模型节点具有幂律特性。2)选取关键节点评价指标。本文从PageRank算法中获得启发,提出DWNodeRank新概念,使用DWNodeRank值对网络中各个节点进行重要度评估。该评估指标基于网络链接结构的方向和权值,既考虑了网络节点的局部统计特性,同时从整体上考虑了整个网络链接特性对节点重要度的影响。3)基于指标关联性思想,为了加快评估算法的收敛速度,深度挖掘DWNodeRank值与节点相关统计特性之间的内在联系,使用适当的中心指标定义初始向量,提出新的有向加权网络关键节点评价策略,设计基于此的复杂网络关键节点识别算法DWNR并采用幂法迭代的思想予以实现,该算法的复杂度为O(cn2)。最后,通过仿真实验验证了本文提出的算法能够有效地评估有向加权网络中节点的重要性,评估结果比较精确,从算法思想和计算复杂度上来说具有一定的优越性。