复杂网络拓扑结构可视化是基于图布局算法来展现拓扑结构并帮助使用者更加直观获取有价值信息的一种数据可视化技术,并且成为展示网络拓扑结构可视化的主要技术。但是,许多复杂网络拓扑结构可视化主要把关注点放在技术的实现上,忽略了用户的认知层面,导致可视化存在着许多不满足用户认知的一些视觉特征,例如连边交叉、节点重叠等,它们使得网络的拓扑结构无法很好被用户理解。因此,本篇论文从认知角度出发,对可视化进行评估和优化,帮助用户选择更好的符合认知的图布局算法以及提高用户对网络拓扑结构的认知绩效。首先,论文提出了基于用户认知的复杂网络拓扑结构可视化评估方法,该方法通过认知实验获取用户对可视化中重要拓扑结构的认知绩效（反应时和正确率）,并将其中一部分认知结果作为测试数据集,然后将影响可视化中拓扑认知的视觉特征量化成评估的指标变量,对指标变量和实验认知绩效进行回归建模分析,生成客观的评估模型,最后采用测试数据集验证了模型的有效性。其次,本文基于前端技术构建了一个复杂网络拓扑结构可视化评估平台,该平台实现了不同复杂网络拓扑结构可视化布局算法、认知评估和热力图可视化的功能。同时,基于可视化评估平台,论文使用本文评估方法构建的评估模型评价了不同布局算法的认知效果,并筛选出了最优的布局算法。最后,论文提出了基于模拟退火算法的复杂网络可视化力布局优化算法。该优化算法通过将力布局算法整合到模拟退火算法中,设计合理的优化函数来减少布局中不利于拓扑结构认知的视觉特征达到提高用户对布局中拓扑结构的认知效率的目的。通过实验分析表明,利用评估方法生成的回归模型能够筛选拓扑结构认知绩效高的可视化布局,使用户更好的理解复杂网络拓扑信息,而且避免了对布局进行重复的认知实验,节省了人力物力成本。其次,优化算法与力布局算法的可视化结果对比表明优化算法使得布局中产生更少的连边交叉、更加统一的连边长度以及更加分布均匀的节点,能够有效的提高了用户对复杂网络拓扑结构的认知效率。