复杂网络作为一门新兴的交叉学科，近年来在科学界迅速崛起并展现出强大的生命力。尽管其系统性研究历史仅约三十年，但发展势头极为迅猛，已成为数学、物理、计算机科学、生物学、经济学及社会科学等多个领域共同关注的重要方向。以权威期刊SIAM Review为例，其中被引次数最高的论文之一，正是马克·纽曼（Mark E. J. Newman）于2003年发表的综述性文章The Structure and Function of Complex Networks，截至2020年12月，该文引用量已高达20686次，足见其在学术界的深远影响与奠基意义。当然，也需客观指出，伴随热度上升，该领域亦曾面临部分研究深度不足、成果同质化等质疑，但整体而言，其理论价值与实践潜力毋庸置疑。 复杂网络的应用范围极为广泛，从互联网架构、电力传输系统、交通路网，到基因调控网络、神经突触连接、金融交易关系乃至社交平台用户互动，无不体现着网络化结构的本质特征。然而，即便经过数十年探索，学界至今仍未形成一个统一、简洁且严格的形式化定义来界定什么是复杂网络。不同学者往往依据研究对象与问题导向，赋予其侧重各异的理解。其中，斯蒂法诺·博卡莱蒂（Stefano Boccaletti）等人在2006年发表的综述Complex Networks: Structure and Dynamics中提出的观点颇具代表性：凡是以大规模、高复杂性网络为研究对象，聚焦于其宏观统计规律与动态演化机制的科学工作，均可纳入复杂网络的研究范畴。这一表述既避免了过度抽象的数学限定，又强调了问题导向与实证基础，因而被许多研究者所认同。 从学科渊源看，复杂网络理论可视为图论在当代语境下的深化与拓展。早在18世纪，欧拉解决柯尼斯堡七桥问题时，便已初步构建起用点与线抽象刻画现实关系的思想雏形，这被视为图论乃至整个网络科学的历史起点。然而，传统图论多关注中小规模、结构清晰、具有确定性构造规则的图模型，其分析工具与理论框架在面对当今真实世界中动辄包含数亿节点与数十亿边的超大规模系统时，已显力不从心。例如，全球互联网包含海量路由器、服务器与终端设备，万维网涵盖数十亿网页及其相互链接，人类大脑皮层拥有约860亿神经元及数万亿突触连接——这些系统不仅规模空前，更呈现出高度异质性、动态演化性与功能嵌入性等典型特征。正是这类现实挑战，直接推动了现代复杂网络理论的诞生与发展。 回溯历史，1999年米哈里斯·法卢托索（Michalis Faloutsos）等学者在ACM SIGCOMM Computer Communication Review上发表的论文On Power-Law Relationships of the Internet Topology，常被视作复杂网络实证研究的里程碑。他们通过对真实互联网拓扑数据的系统分析，首次明确揭示出节点度分布严格遵循幂律（power-law）特征：即绝大多数节点仅有少量连接，而极少数枢纽节点却拥有异常庞大的连接数。这一发现意义重大——它表明，看似杂乱无章的现实网络，其底层组织逻辑并非随机混沌，而是蕴含着简洁、普适的统计规律。幂律分布的存在，不仅为理解网络鲁棒性、传播效率、故障传播等关键行为提供了理论入口，也为后续建模、仿真与预测奠定了坚实基础。 在具体研究中，复杂网络大量沿用图论的基本语言与核心概念，如将实体抽象为节点（node），将实体间关系抽象为边（edge）；将网络整体表示为图（graph）；借助邻接矩阵（adjacency matrix）进行形式化描述；并广泛使用度（degree）、直径（diameter）、集聚系数（clustering coefficient）、平均路径长度（average path length）、介数中心性（betweenness centrality）等指标刻画网络结构特性。但与经典图论相比，复杂网络研究的重心发生了显著转移：一方面，由于系统规模过于庞大，无法也不必对每个节点逐一分析，转而强调从整体出发，挖掘其宏观统计规律，如度分布、社区结构、层次性、自相似性等；另一方面，高度重视网络所承载的实际意义与功能内涵，强调结构特征必须与动力学行为、功能表现、演化机制相联系。换言之，它不仅回答网络长什么样，更着力探究网络如何运作为何如此演化怎样影响行为。 在此背景下，两篇发表于顶级期刊的开创性论文，共同构筑了现代复杂网络理论的两大支柱。其一是邓肯·瓦茨（Duncan Watts）与史蒂文·斯特罗加茨（Steven Strogatz）于1998年在Nature上发表的Collective Dynamics of ‘Small-World’ Networks。他们提出一种兼具规则性与随机性的网络构造模型——小世界网络模型。该模型通过在规则环状网络中以一定概率重连边，成功实现了两个关键性质的共存：其一，网络具有较高的集聚系数，意味着邻居节点之间彼此连接的概率较高，体现出局部紧密性；其二，网络平均路径长度极短，即任意两个节点间通常只需经过极少几步即可抵达，体现出全局高效性。小世界这一名称，正是源于这种远距离易达、近距离密集的双重特征。此后，小世界不再仅是数学模型，更成为理解诸多现实系统的关键透镜——从信息在社交网络中的快速扩散，到流行病在人群中的跨区域传播，再到脑功能网络中不同脑区间的协同激活，其理论延伸与实证验证持续丰富着我们对系统复杂性的认知。 另一支柱则是阿尔伯特-拉斯洛·巴拉巴西（Albert-László Barabási）与埃里克·博纳博（Eric Bonabeau）于2003年在Scientific American上发表的综述Scale-Free Networks。该文系统阐释了无标度网络的核心思想：其节点度分布服从幂律，因而不存在表征网络连接密度的典型尺度，即没有平均度这一主导性参考值。无标度特性意味着网络对随机失效具有高度鲁棒性（因多数节点度低，随机移除影响有限），但对蓄意攻击却异常脆弱（一旦关键枢纽节点被破坏，网络易迅速瓦解）。这一发现深刻改变了人们对基础设施韧性、网络安全防护及生物系统进化稳定性的理解路径。更重要的是，巴拉巴西团队进一步提出优先连接（preferential attachment）机制，即新节点更倾向于与已有高连接度节点相连，从而为无标度结构的普遍涌现提供了简洁而有力的生成性解释。 复杂网络研究已超越单纯的形式化建模，成长为一门融合数学严谨性、计算可行性与现实解释力的综合性科学。它既扎根于深厚的图论传统，又面向真实世界的庞杂性与动态性不断自我更新；既追求普适规律的提炼，也重视具体场景的落地应用；既关注静态结构的刻画，也深入探究其上的信息流、能量流、物质流与控制流。随着大数据采集能力的提升、高性能计算资源的普及以及跨学科合作的深化，复杂网络正以前所未有的广度与深度，持续拓展人类认知边界，并为解决能源、健康、通信、金融等重大社会挑战提供新的范式与工具。
