本文介绍了Google搜索引擎技术的组成模块,分析了排序模块所使用的PageRank模型并进行了模型在有向有权网络中稳定性的数值仿真试验,得到了网页排序结果对网络中权值变化敏感的结论。通过分析和比较计算PageRank向量不同思路的算法:Power算法、GMRES算法、块结构算法、非悬虚节点算法、自适应算法、Power-Arnoldi算法和层结构等算法的优缺点、适用条件以及各算法的时间和空间消耗,提出了以排名波动率作为衡量算法排名准确性的参数。在非悬虚节点算法的基础上,通过改用由入度信息构成的迭代初始向量、将排名波动率加入停机准则给出了计算PageRank向量的新算法。数值试验表明新算法在保证“重要网页”排名准确的前提下,较大幅度的减少了计算时间和存储空间需求。新算法在时间、空间和结果准确性三个方面取得了平衡,实现了优化算法的目的。