复杂网络上的动力学是关于以复杂网络作为载体来描述诸多节点间相互作用关系的动力学研究。复杂网络上动力学的研究涉及人工智能、数学、计算机科学及信息论等诸多学科,具有重大的理论价值和广阔的应用前景。基于节点的建模以及仿真模拟是现今研究复杂网络上动力学最重要的手段之一。通过计算机建模仿真工具,能够直观地对复杂网络上动力学行为进行研究,然而常见建模与仿真平台具有人机交互方式不够友好,学习成本较高以及计算效率不高等劣势,不能很好地满足本领域内学者和学生日常科研与学习的需要及大型复杂网络动力学建模与仿真需求。此外,由于复杂网络中个体间的连接关系纷繁复杂,导致其上的一些动力学无法通过理论方式来定量刻画和分析。因此,设计和实现一种具有较友好人机交互方式且较高计算效率等优点的复杂网络上动力学建模与仿真平台就显得十分必要。本文对常见复杂系统建模仿真平台的现状进行分析,找出其存在的功能缺陷,并通过用户需求分析归纳出本平台所要具备的功能,设计实现了一种基于Py Qt框架的复杂网络上的动力学建模仿真平台。具体来说,本文应用复杂网络上动力学建模仿真相关技术,完成了以下三方面的研究工作:首先,平台采用分层架构进行开发,分别为表示层、业务逻辑层、数据访问层。每一层解决一个相对独立的子问题,各层之间相互协作简化了开发流程,增强了平台的易扩展性及易维护性。并设计了几个基本的功能模块包括动力学可视化、统计量显示及工具扩展模块。另外,还设计了软件跨平台、多线程运行及GPU并行计算等新型模块。通过模块设计图,对各个功能模块进行详细地论述与分析,并介绍了设计的流程与方法,为平台的实现打下了基础。其次,对主界面上功能模块的布局进行了阐述,降低了用户的学习成本,易于上手操作,并给出了各功能模块的实验结果。其中,各新型模块的实现功能如下:软件跨平台模块考虑了主流的操作系统,包括Windows、mac OS、Linux等系统,配置平台的环境使其能够在多系统上运行,为不同用户的跨平台操作提供保证;多线程运行模块提供了创建及修改项目的功能,创建多个项目,使得多项实验能够同时运行,修改指定项目的参数,可重新进行建模仿真实验;GPU并行计算模块使用CUDA框架对规则网络上的动力学程序进行算法优化,提升了复杂网络上各类动力学的计算效率,优化了平台的使用体验。最后,使用Jmeter测试工具对平台进行功能测试及性能测试,测试结果表明本平台设计的各项功能可顺利运行,达到了平台最初的设计目标。本平台较好地提升了实验效率,减少了用户的工作量,能够满足日常实验的实际需求。