随着信息技术的发展,人类社会已经逐步进入到复杂网络时代,现实中的各种人际关系、道路交通、互联通信等网络都可以抽象成为复杂网络,而随着复杂网络研究的逐步深入,大量的网络特性被逐步发现,而与这些网络特性相关问题的分析和研究很多都与网络的最短路径有关,例如节点的介数、网络的平均半径、网络的信息传播、城市道路的导航、疾病的传播、人际关系之间的影响等等问题都是与网络的最短路径息息相关的。复杂网络的最短路径研究目前主要针对基于静态网络和基于动态网络2个方面进行求解,基于静态网络的最短路径研究已经具有很多经典算法,如Dijkstra算法、Floyd-Warshall算法、Bellman-Ford算法等,虽然可以准确的求得网络的最短路径,但时间复杂度高,并不适用于规模巨大的复杂网络的最短路径的求解,更不能利用其对复杂网络的特性如介数中心性、接近中心性等以最短路径为基础的网络特性进行求解。随后衍生出了一系列适合大规模复杂网络最短路径的求解方法,如限制区域搜索方法、目标引导方法、层次划分方法、基于局部区域中心点等方法对大规模复杂网络进行简化并近似求解最短路径,在基于静态网络的最短路径求解方面取得的较好的研究成果。而在现实世界中,随着网络的规模日益增大,复杂网络越来越体现出动态性、随机性等特性,为了更好地解决动态复杂网络的最短路径求解及与其相关的网络特性求解,近年来涌现出一系列的近似求解算法。具有代表性的如动态最短路径树算法、分布式算法、基于图索引结构算法、启发式算法、改进的A*算法等,但是这些算法并没有完全考虑到复杂网络的自身结构特性,计算复杂度较高。本文在已有算法的基础上,提出了改进的动态复杂网络最短路径近似算法,结合节点的度和聚集系数,重新定义了局部区域中心点的度量方法,以便更准确的获取到局部区域中心点。同时,提出了区域的中继节点概念,可以对网络动态变化中的划分区域进行有效的分裂或者融合,减少了网络局部动态变化对整体变化的影响,加速了最短路径的近似求解过程。本文通过生成不同规模的模拟网络,对提出的算法进行了实验和分析,通过对比本文提出的最短路径近似求解方法与改进前的近似求解方法,可知本文提出的方法准确程度更高;同时,通过与具有代表性的动态复杂网络最短路径近似算法的实验对比,可知本文提出的方法计算复杂度较低,同时可以取得较好的最短路径近似结果。