网络在我们的生活中处处可见，伴随着社会的快速发展，网络的概念已经从公路网络、铁路网络等简单实际网络演变成了更为复杂的Internet网络等虚拟网络。人类已经将自己生存的世界变成了网络世界，由此产生了复杂网络这一个新的研究领域。在复杂网络的研究中，网络机制模型和重要节点挖掘是复杂网络研究的两项基本内容。网络特性等一系列的研究都是以网络机制模型为基础的，只有将现实问题抽象成为机制模型之后,才能使用复杂网络领域的相关理论进行分析。重要节点挖掘是以寻找网络中的重要节点为目的的，该项研究内容在衡量网络鲁棒性等方面显得十分重要。只有在寻找到网络的重要节点之后，有效的策略才能实施至网络上，从而保护有用网络或者摧毁有害网络，使网络能更好的为人类所用。本文的主要工作如下：(1)提出了漩涡网络模型和风车网络模型。为了研究小世界网络模型的演化机制，文中分析了现实中的漩涡现象和风车旋转现象，并针对这两种现象进行了网络建模。本文采用确定性的方式构造了漩涡形状和风车旋转形状的两种网络模型，网络模型的规模随着迭代次数的增加而不断的增大。采用了复杂网络领域的网络特征分析方法对两种模型的度分布、集聚系数、直径和平均路径长度四种典型参数进行了分析归纳，并通过实验验证了各项参数的正确性。(2)提出了近似流介数算法和活跃度算法。为了解决流介数复杂度高的问题，文中通过模拟信息在网络中的传播情况提出了近似流介数算法。该算法假定网络中的每个节点向其每个相邻节点传播均等的信息，而本身不保留原有信息，但测试节点只接受信息而不发出信息。经过信息在网络中传播一定次数之后，对网络中的所有节点拥有的信息量进行统计，从而求得各个节点的重要性。近似流介数算法和流介数等算法均用于两个实验网络，以验证了该算法的有效性。为了验证集聚系数是否能够用于挖掘网络中的重要节点，文中提出了同样采用模拟信息流的方式进行节点重要性评估的活跃度算法。该算法假定每个节点的度和其集聚系数的乘积来作为信息在节点间传播多少的依据。信息在网络中传播一定时间后，可通过各节点所拥有的信息量来得到各节点的重要性。文中将活跃度算法和多种经典算法进行了实验比较，来显示该算法的正确性。