复杂网络广泛应用于社会中的各个系统中,和人类的生产、生活息息相关又相互影响。舆论是公众意见、看法的总和。舆论的传播是典型的复杂性问题,涉及到社会学、物理学及复杂性科学。由于现实中大多数网络表现出无标度行为,而舆论传播过程中个体的交流往往会发生在值得信任的个体间,对于不值得信任的个体他会主动地断开联系重新寻找值得信任的个体进行交流。因此,研究自适应无标度网络上的舆论动力学,通过计算机模拟,分析舆论动力学的统计性质,对于舆论的控制和引导有着重要的社会意义。　　本文简单综述了有关复杂网络的研究概况,并重点介绍了舆论动力学的典型的模型,如S(Sznajd)模型、Voter模型、MR(Majority Rule)模型、D(Deffuant et al)模型和KH(Krause-Hegsekmann)模型。其中前三种模型都是离散的二元模型,后两种是有条件信任条件下持续的连续值舆论模型。在此基础上,构建了自适应 BA无标度网络上的Deffuant et al舆论动力学模型,其中在模型中假设收敛参数是度值 k的函数,进行了数值模拟并分析。我们研究了舆论动力学和网络拓扑之间的相互影响,包括舆论演化如何影响度分布、随着信任参数ε的变化舆论演化的统计性质、网络尺寸 N及信任参数ε对系统弛豫时间 ct的影响及舆论社团的分析。　　结果表明,由于舆论演化和网络拓扑二者的相互影响,初始不均匀的BA无标度网络变成了均匀网络;舆论演化随着信任参数ε的增大表现出混乱-极化-一致的相变现象;系统的弛豫时间及舆论社团等与信任参数ε有着密切的关系,表现出一定的规律性。我们发现,在舆论传播过程中,网络的异质性越小、个体间的信任度越大越有利于舆论的传播。