组织学习被认为是一个基本的战略过程，它是组织获得持续竞争优势的源泉，是组织生存和发展的重要途径。自March(1991)首次提出探索式学习和开发式学习的概念及模型以来，组织学习的二元平衡问题作为组织学习领域的一个重要议题，越来越受到国内外学者的关注。众多学者尝试通过改进March(1991)的组织二元学习模型，对组织学习过程及影响组织知识水平的相关因素进行深入探讨，但是很少涉及组织内部知识网络结构对组织学习的影响。据此，本文引入了知识学习网络的概念，并开拓式的从知识学习网络视角来研究组织学习的二元平衡问题。　　 本文运用复杂性分析(CAS)的方法从理论上证明了组织学习的复杂性，并对运用复杂网络工具来构建知识学习网络的合理性进行论证。接着，进一步深入分析March(1991)组织二元学习模型的不足，以及前人对此模型改进的局限性，在此基础上提出了三方面的改进意见，其中包括将知识学习网络引入到组织二元学习模型中去。之后笔者开发了VC++程序对优化过的组织二元学习模型进行模拟仿真并对仿真结果进行讨论。　　 本研究仿真实验分为三个部分。第一部分结果表明：在封闭系统中，无标度结构的知识学习网络能够使得长期的组织平均知识水平(AK)最高，它对组织学习的影响最优，是对组织学习最有效的网络结构；第二部分结果表明：在封闭的无标度知识学习网络中，应保持组织编码向个体学习速度P3较快，个体向组织编码学习速度P1较小；同时，应该合理地控制人际学习速度P2使其在0.3-0.5之间。第三部分结果表明：在开放的系统中，无标度网络从短期来看是具有优势的网络形式，而从长期来看，小世界网络对组织平均知识水平(AK)的影响会逐渐超过无标度网络；在环境变动为主导的情况下，无标度知识学习网络在不断更新其内部连接的前提下，仍旧对组织平均知识水平(AK)的影响最优；而在人员流动为主导的情况下，无标度网络对组织平均知识水平(AK)的影响并不是最优的，反而小世界网络成为了对组织平均知识水平(AK)影响最优的网络结构。