随着复杂网络的提出和发展，各个领域都对复杂网络理论和应用的研究产生了很大的兴趣。复杂网络的小世界性质和无尺度性质的发现推动了复杂网络各个方面的研究。　　 复杂网络不同的演化模型具有不同的演化机制，这些模型又有不同的网络结构特征参数来刻画。链路预测的结果可以用来比较不同的演化机制，并用最优的演化机制回馈到网络的演化模型研究中，以推动复杂网络的理论的发展。另外，网络中信息流量是如何传播流动关系着网络传播时的动力学性质。如果能够快速准确地量化表示网络各节点之间的关系和网络的演化传播能力的信息流量，网络拓扑和动力学行为对其演化能力的影响才能得到更好的理解。链路预测和信息流动模式的研究可以更好的帮助理解复杂网络的演化机制和动力学行为，通过刻画网络的微观行为来分析网络的演化及演化可能性和可行性，也为网络演化模型的研究提供了全新的视角和分析工具。　　 本文基于复杂网络理论所做的两个方面的工作如下:　　 一、稀疏网络中含有大量的孤立节点，这些节点与整个网络的关系很难计算。针对实际网络中的普遍含有大量0度节点的问题，我们分析现有的预测算法的优缺点。并结合复杂网络结构与演化机制对链路预测算法的影响，得出基于局部信息近似性算法的不足之处。基于复杂网络的基本特性定义了新的相似性指标，NP，NC和混合指标，这些指标都取得了良好的预测精确度。　　 二、对于复杂网络中出现信息流动不对称的现象，提出将信息流动存在不对称性与复杂网络的演化理论之间相关联，定义了量化信息不对称性流动的指标，分析其不对称性流动的形成规律，并结合复杂网络的增长与演化的内在机理，设计了基于信息流动的不对称性的复杂网络的演化模型。该模型可以很好的再现实际网络的特性，同时解释了复杂网络中出现的部分弱连接，长尾分布等现象的原因。