近年来随着复杂网络研究的兴起,越来越多的人将研究的重心放到了网络模型建模上面,从ER随机图模型,到小世界模型,再到无标度模型,都从不同的角度对现实世界中的问题进行了刻画。BA无标度网络对现实世界中网络连接度分布的幂律现象进行刻画,强调了网络的两个特性：增长特性和优先连接特性。继BA无标度模型之后,研究人员相继提出了适应度模型、局域世界演化网络模型等等,都是基于原有的模型的优化。本文借鉴复杂网络领域的相关模型,参考了它们在网络增长和择优方面的一些特点,结合实际复杂网络中网络变化的特性,提出了一种优化的建模方法。与以往对复杂建模方法的研究不同,本文所提出的方法是基于约束网络的建模。以往的研究都是从一张空的网络开始进行构建网络,而本文提出的模型在建立网络时是要基于底层的约束网络的,是一种生长受限的建模。网络生长受到底层网络的约束,更多的考虑到了约束网络在新网络生成时的作用。本文从不同的方向对底层的约束网络对上次演化网络的影响进行了分析：分析了约束网络拓扑不同时对演化网络的影响,分别在不同幂律下的BA无标度网络,不同连边概率下的ER随机图网络和不同重连概率下的小世界网络上面进行了研究；考察了不同约束强度的约束网络对演化网络的影响,通过在全连通网络上面进行不同概率的删边来模拟底层网络的约束强度；不同的节点生长方式对演化网络的影响,在选择新节点加入网络时按照不同的权值综合考虑约束网络和演化网络的拓扑结构；不同生长速度时对演化网络的影响,约束网络和演化网络在整个演化过程中按照不同的速度进行增长,考察了不同增长速度比对演化网络的影响。