随着无人机集群在军事领域的广泛应用,无人机集群技术的相关研究已经得到极大的重视。但无人机集群由于其信息交互量大、途径多样等特点,在遂行任务时成为了敌军军事手段针对的重点,寻找无人机集群信息交互中的关键节点也成为了我军丞待解决的关键问题。本文以无人机集群内部信息交互为研究背景,以复杂网络传播理论为理论框架,运用复杂网络传播模型建模和复杂网络重要节点识别方法作为技术支撑,探索在高度复杂、信息不完全、高度对抗的战场环境下无人机集群中的数据传输机理建模问题和无人机集群数据传输体系重要无人机节点识别问题。论文主要研究成果如下:(1)针对无人机集群网络存在多层的特性,基于复杂网络传播理论,设计多层复杂网络易染-感染(Susceptible-Infected,简称SI)传播模型和加入对抗的多层复杂网络易染-感染-延迟免疫(Susceptible-Infected-Delay Removed,简称SIDR)传播模型。在无人机集群内部大量信息交互和行为涌现的背景下,根据无人机集群内部信息交互方式特点,运用无人机集群不同的传输途径进行区分,考虑不同传播方式在网络结构上的差异性,将无人机集群网络分为指挥层、态势感知层、决策规划层、指令层等多个网络层,以复杂网络传播理论为理论手段,在已有单层复杂网络传播模型的基础上,向多层复杂网络扩充,建立无人机集群多层复杂网络SI传播模型和多层复杂网络SIDR传播模型,用以描述无人集群信息交互特点。利用与单层复杂网络传播模型进行对比试验的方法,分析多层复杂网络传播模型信息交互数据量大、途径多样等特点。(2)运用基于路径的方法设计单层复杂网络效率指标,并将该指标作为多层复杂网络网络层分析的基础,提出多层复杂网络网络层权值(Layer Weight,简称LW)计算方法。针对无人机集群信息交互模型中高度复杂、维数较大的实际情况,充分考虑当前单层、多层复杂网络的经典数学建模方法对于多层复杂网络传播问题分析的局限性,跳出这两种方法的的传统框架,另辟蹊径,将多维问题转化为二维问题,设计单层复杂网络效率指标,并在该指标的基础上提出多层复杂网络LW网络层权值计算方法:通过设计权重指标K,将节点在不同层的重要程度进行加权计算,计算出节点在整个多层复杂网络中的重要程度。并通过两组实验验证了多层复杂网络的网络层权值计算方法在解决多层复杂网络传播背景下的重要节点识别问题的有效性。(3)考虑无人机集群信息交互中传输路径及节点近邻的双重影响,提出多层复杂网络网络层权值-K核-特征向量中心性(Layer Weight-K-shell-Eigenvector centrality,简称LW-KC)重要节点识别方法。介绍单层复杂网络中的几种经典重要节点识别方法并分析了这些方法在多层复杂网络传播理论中存在的局限性。在前两点所做工作的基础上,分析无人机集群信息交互实际,提出一种基于无人机集群多层复杂网络传播模型的LW-KC重要节点识别方法,使通过该方法筛选出的无人机单位时间内传播效率最高或传播所有节点用时最少。通过随机网络数据和无人机集群网络数据实验,与其他经典重要节点识别方法在规定时间内的传播率作对比,验证其在传播率评定指标上的优化效果。