随着科学技术的进步和社会物质的富足，人类社会的分工合作趋于精细化和网络化。当前人们处于形形色色的复杂网络中，如以互联网为载体的各种社交网络、出行中所形成的交通网络、传染疾病的传播网络，以及日常沟通交流的通讯网络，等等。随着网络节点规模和结构复杂程度的增加，如何评价节点在复杂网络中的地位、相互作用影响和关联关系，在生命科学、社会管理、医疗卫生等多个工程学科领域都有着重要的理论研究和实际应用价值，复杂网络中关键节点检测正在成为研究的热点。　　在社交网络中，识别有影响力的节点对于控制社交网络至关重要。识别有影响力的节点是分析网络结构的最集中的研究之一。一个关键的假设是，关键节点的最佳选择取决于他们需要什么。因此，两个通用目标被称为KPP-POS(Key player problem positive)和KPP-NEG(Key player problem negative)。KPP-POS被定义为通过使用关键节点作为种子通过网络最佳地扩散某些东西的关键节点的识别。KPP-NEG被定义为通过删除关键节点来破坏或分割网络的关键节点的识别。本文主要对网络关键节点检测积极效应问题KPP-POS进行了研究。发现现有的中心性措施对于解决通用问题不是最佳的，为了有效地解决这个问题，丰富完善关键节点检测问题的理论方法并提高性能，作者从以下三个方面开展研究工作:　　(1)本文研究了清华大学以及北京大学微博社交群落，其中包括数据采集、数据清洗、特征提取、数据筛选以及数据可视化呈现等方面内容，最终构建了两个节点数1000，连边数7000的复杂社交网络。　　(2)为了研究上述数据处理后所得到的复杂网络的关键节点检测积极效应问题，本文基于KPP-POS的检测标准DR建立了0-1整数线性规划的关键节点检测积极效应模型，用来解决复杂网络积极效应关键节点的问题;然后，作者对提出的0-1整数线性规划的关键节点检测积极效应模型(0-1Integer Linear Programming Key Players Detection Positive Effects Model,IP-KPP-POS)求解，这种求解方法具有算法成熟，求解速度慢，适合小规模网络关键节点检测的特点;进而，作者又设计IP-KPP-POS启发式算法对IP-KPP-POS模型求解。这种求解方法具有算法设计简单，求解速度快，适合大规模网络关键节点检测的特点。　　(3)最后，作者比较了IP-KPP-POS模型、IP-KPP-POS启发式算法。通过多个不同类型图模型生成的人工网络和真实数据集网络的评测。实验结果表明在检测效果上，IP-KPP-POS模型检测到的关键节点适合小规模网络（节点规模小于100个的网络）的检测。IP-KPP-POS启发式算法适合大规模网络的检测，并且随着网络规模的增加，IP-KPP-POS启发式算法在运算时间上明显占优。　　通过本文的研究工作，能够更加全面地分析、洞察整个网络的组织架构，更加全面的认识网络的模块功能和层次关系，为生命科学、社会管理、医疗卫生等各领域的决策制定者提供更好的辅助决策支持。