网络的结构与演化是复杂网络研究的一个基本问题。由于受到时间、空间及实验条件等的限制,有些链接并没有被探测出来,导致许多网络的静态拓扑结构在构建的过程中不是完全的,而且随着时间的演化,网络的结构不是一成不变的,旧的链接可能被去除和新的链接可能会出现。复杂网络中的链路预测是指根据已知的网络拓扑结构等信息,通过选择合适的链路预测算法,去估计节点间未知链接存在的可能性。未知的链接既可以是实际存在但尚未探测到的边,也可以是网络演化过程中将要出现的边。对这些边的预测一方面能为实验工作提供一定的指导,比如在人类致病基因和蛋白质相互作用网络中找到还不为人知的相互作用关系或者把它应用到信息推荐中去;另一方面还能加深对网络结构与演化的认识,甚至对网络功能和动力学过程的理解。　　本文针对链路预测的算法,主要做了两方面的工作:1)在无权无向网络上,提出了一种半局域的节点相似性指数,并根据它设计链路预测算法。这个指数是把资源配置的物理思想引入到局域路径指数之中,除考虑二阶路径上不同节点对相似度贡献的差异之外,主要考虑了三阶路径上不同节点对相似度贡献的差异,减少了许多节点对在算法中被赋予相同的预测分数而无法预测的情况。选取6个不同领域的真实网络数据作为算法精度的测试对象,预测结果表明,该算法在保证低的计算复杂度的同时,具有相对于其它基于局域信息的算法更高的预测精度。2)其次,把在无权无向网络中提出的相似性指数拓展到加权的情况,并在3个真实的加权网络上进行测试,也得到了不错的预测精度。　　由于该算法是基于网络的拓扑结构相似性,探讨网络结构特性就显得很有必要,因而安排本文内容如下:第一章论述链路预测的意义及研究进展,第二章主要讨论可能对预测精度产生影响的网络结构特性,包括微观及宏观的统计特征,如模体、平均聚类系数等;第三章和第四章则分别介绍在无权无向网络及加权网络上的工作内容。最后是总结与展望。