本文整理了复杂网络（Complex Networks）学习与研究的常用资源，包括教材、论文、算法、数据集、工具和开源代码库，帮助你从入门到实战快速建立体系。
一、📘 入门书籍与经典教材
| 书名 | 作者 | 简介 |
|---|---|---|
| Networks: An Introduction | Mark Newman | 最经典的复杂网络教材，系统讲解理论、指标与模型。 |
| Graph Theory and Complex Networks | Maarten van Steen | 免费英文教材（可在线获取），兼顾图论与网络科学。 |
| 复杂网络理论及其应用 | Albert-László Barabási | 很好的中文教材。 |
注：我已经整理好对应资源，文末网盘链接自取
二、📄 经典论文与里程碑成果
| 主题 | 论文 | 出版 |
|---|---|---|
| 小世界网络 | Watts & Strogatz, Nature, 1998 | 提出小世界模型，揭示真实网络的高聚类与短路径特征。 |
| 无标度网络 | Barabási & Albert, Science, 1999 | 提出幂律分布模型，奠定复杂网络理论基础。 |
| 社区发现综述 | Newman, SIAM Review, 2003 | 系统总结了网络划分与社区检测方法。 |
| 网络鲁棒性 | Albert et al., Nature, 2000 | 分析复杂网络在攻击下的连通性与失效特性。 |
三、🧠 核心概念与常用算法
网络结构指标
- 度分布（Degree Distribution）
- 平均路径长度（Average Path Length）
- 聚类系数（Clustering Coefficient）
- 网络密度与连通性
社区发现算法
- Louvain 算法（模块度最大化）
- Label Propagation（标签传播）
- Girvan–Newman（基于介数中心性）
中心性指标
- 度中心性、介数中心性、接近中心性
- 特征向量中心性、PageRank
网络动力学模型
- 传播模型：SIR、SIS、Rumor Model
- 级联失效模型：负载重分配、鲁棒性分析
- 演化模型：BA、WS、ER 随机网络生成
四、💻 常用开源库与工具
Python
- NetworkX — 功能最全的复杂网络库
- igraph (Python版) — 高性能计算，支持大规模图
Java
- JGraphT — 功能丰富的图算法库（最短路径、连通性、流计算）
R
- igraph (R版) — 与 Python 版类似，科研论文常用
- statnet / sna — 专注社会网络分析
五、📊 网络数据集资源
| 名称 | 链接 | 简介 |
|---|---|---|
| KONECT | https://konect.cc/ | 大规模网络数据集集合，包含社交、通信、生物网络等。 |
| SNAP (Stanford) | https://snap.stanford.edu/data/ | 斯坦福网络分析平台，提供学术常用图数据。 |
| Network Repository | https://networkrepository.com/ | 在线浏览和下载多种类型的网络数据。 |
| ICON Dataset | https://icon.colorado.edu/ | 社会与行为网络数据集。 |
六、🖥️ 可视化与分析工具
| 工具 | 特点 |
|---|---|
| Gephi | 桌面可视化分析工具，支持社区检测、布局算法、交互分析。 |
| Cytoscape | 生物信息学常用，可扩展插件丰富。 |
| Graphia | 轻量可视化与聚类分析工具。 |
| D3.js | Web 端可视化，适合前端展示与交互开发。 |
七、🌐 在线平台与实战项目
- 复杂网络计算平台 — 在线级联失效模拟、鲁棒性分析、网络指标计算与可视化平台。
- NetworkX Documentation — 官方教程与示例。
八、🎯 我总结的资源
1. 📂 代码仓库
- complex-network-study —— 复杂网路学习路线
2. 📘 教程与学习笔记
- 复杂网络仿真入门到精通（系列） —— 详细解析 复杂网络的仿真内容，。
- B站视频教程：复杂网络仿真入门到精通
3. 📝 博客与资料整理
4. 🔗 个人平台与工具网站
复杂网络计算平台 — 在线级联失效模拟、鲁棒性分析、网络指标计算与可视化平台。
支持邻接矩阵上传、网络可视化、网络鲁棒性分析、级联失效模拟与指标计算。
5. 🔗 网盘资源
- 资源合集
包含书籍、论文、代码与数据集等，持续更新中。
💬 结语
复杂网络作为跨学科研究的重要方向，已经在社会学、生物学、计算机科学等领域广泛应用。
希望这份资源整理能帮助你快速建立知识体系，找到适合自己的研究或开发方向。
📌 持续更新中，欢迎收藏或补充。
如果你有推荐资源或开源项目，欢迎留言交流！