复杂网络的建模对研究复杂网络起着至关重要的作用，模型的好坏直接决定了生成的网络能否有效地反应现实网络的特征，进而重现网络结构以研究现实网络。本文提出了一种基于相似性策略和复制策略的多参数混合合作网络模型（HCNM）。在该模型中，两个点的连接概率取决于它们的属性相似性或者结构相似性（有很多共同的朋友）。研究和实验表明该模型可匹配不同类型的合作网络，只需调整三个模型参数的取值就可重现出合作网络的特点。而且广泛研究的三种模型（基于相似性策略的模型，基于复制策略的模型，以及纯粹的偏好依附模型PA）都可以看作是HCNM模型的特例。更为重要的是，这个新模型具备现有模型难以满足的特点：(1)不仅平均聚集系数高，而且具有高的网络聚集系数与显著的社会属性（大量的三角形）；(2)新连接不仅可以在新点和旧点间产生，也能在旧点和旧点之间产生（新点：新加入到网络中的点；旧点：先前加入的点）；(3)点增加新连接的概率和它的度（邻接点数）之间的关系可以是线性的，也可以是非线性的。本文涉及的复杂网络特征主要是小世界、无标度和聚集性，不同领域的现实网络仿真结果表明HCNM模型可有效重现这些复杂网络特征，特别是合作网络的高聚集性特点。网络建模能够重现现实网络的结构以帮助我们更好地理解现实网络，例如重现科学合著网络的结构可以帮助我们分析科学家们的合作关系，找出合作关系的特点，进而引导建立高效的合作关系，促进学术合作。揭示复杂网络上的动力学行为是复杂网络研究的重要目标，包括研究信息在复杂网络中的流动，讨论网络结构对信息传播的影响。信息传播的研究能帮助人们理解信息是以怎样的方式，受到何种影响，如何在网络中传播的，进而能促进正面信息的传播与封堵恶劣信息的扩散。本文因此提出了一种改进的复杂网络信息交换传播模型（STM），该模型对信息的维度进行建模，加入信息增长因子与信息梯度变化权重，基于交换的思想模拟信息在复杂网络中的传播。重点是以此模型为应用手段，即通过在基于小世界模型和HCNM模型所生成的网络上进行STM信息传播实验，探究不同网络结构下的信息传播规律，并对这些规律给予合理的解释。实验表明信息在小世界特征明显的网络中传播较快，而且信息传播受到多个网络参量的影响，我们会分析影响信息传播的内外在因素以及它们之间的联系。