对网络进行研究的目的在于认识网络的拓扑结构以及功能,并最终实现对网络的控制。对于网络的控制是通过给一组节点施加适当的控制信号来实现,如何查找最小控制集成为该领域的一个关键问题。最小控制集是由节点组成,不同节点对于网络的控制能力不同,并且节点在不同网络状态改变下的控制能力也不同。因此如何识别网络中的重要控制节点对于网络的控制具有重要的意义。已有中心性指标是基于网络拓扑结构,衡量节点在拓扑结构上的重要程度,而没有考虑网络的具体状态改变。同时在查找最小控制集时,仅仅考虑网络拓扑可控性,无法针对具体的状态改变给出对应的控制策略。因此在具体网络状态改变情况下,查找网络中的重要控制节点以及查找特定的最小控制集具有重要的理论意义和实用价值。本文针对特定网络状态改变的复杂网络控制问题进行研究。首先研究网络中的重要控制节点,使用单向控制效率来衡量在特定网络状态改变下,节点对网络的控制能力。相对于已有的节点中心新指标,单向控制效率同时考虑了节点的拓扑属性以及具体的网络状态变化,能够针对不同的网络状态变化给出不同的节点重要性度量。同时提出了基于的k-walk控制集查找算法,对具体的状态改变查找针对性的最小控制集。为了验证方法的有效性,使用了GlossTG,Kohonen,SciMet,SmaGri网络进行实验研究。通过实验发现,单向控制效率高的节点同时也是控制中心性高的节点,而度取值高的节点其单向控制效率不高。在使用单向控制效率对节点进行排名发现,扰动节点在单向控制效率中占有较高的排名。节点单向控制效率在较少扰动节点的情况下具有较好的结果,能够找出控制效果最好的节点。随着扰动节点的增多,节点控制效率的取值降低。当网络状态随机改变时,节点控制效率不具有实际意义。在使用节点控制效率查找控制节点集合时,相对于最大匹配方法,找到的控制节点集合具有更高的单向控制效率。本文提出的单向控制效率以及基于k-walk的控制集查找方法具有较好的效果,对于实际对网络进行控制具有重要的意义。