本论文研究具有十分明显的跨学科特征,从理论方面看,通过逻辑学、人工智能与复杂网络的交叉研究,结合模态逻辑、BDI逻辑、LORA等理论,对复杂网络搜索过程,参与搜索者的行为以及状态进逻辑分析与行形式化刻画,对于建立能处理复杂网络中搜索过程的智能化理论体系具有重要意义。从应用方面看,基于逻辑理论研究复杂网络中的搜索过程将产生具有重要应用价值的程序与系统,这将为解决当前现实生活中的社会网络,计算机网络,万维网,交通网络等领域中的信息搜索智能化的问题提供重要的参考价值,因此具有广阔的研究前景。本文研究复杂网络搜索中的比较典型的几种算法,提出了一种新的BDM搜索算法与基于特定主题社交网络搜索算法。对复杂网络搜索过程进行逻辑分析,从Agent切入复杂网络,建立一种新的基于BDI Agent的复杂Agent网络(CAN)模型与基于BDI逻辑的CAN搜索模型,然后考虑其上的搜索策略,进而在一定程度上解释基于BDI Agent的搜索过程的推理过程与描述,分析复杂Agent网络中的搜索Agent与服务Agent的理性选择的逻辑基础,提出了基于LORA的复杂Agent网络的新一种智能搜索算法BMA的方案。本文的主要内容如下:(1)为了提高搜索效率,减少搜索代价,提出了一种新的BDM搜索算法与基于特定主题社交网络搜索算法,并对其进行了仿真实验与性能分析以及对搜索策略结果进行了逻辑分析。(2)本研究以一阶谓词模态逻辑为基础,根据可能世界语义学,给出了搜索过程与逻辑推理过程之间的关系,对复杂网络搜索状态集进行了刻画,讨论了与一阶模态谓词逻辑状态集之间的关系。搜索策略中可能的所有网络搜索状态的集合都用一阶模态谓词逻辑刻画并对搜索状态特性进行了分析。(3)引用自然计算方法和Agent的计算理论,提出了支持复杂网络搜索过程的一种新的复杂Agent网络(CAN)模型,并给出了CAN模型的实现思路和模型的形式化定义。该方法利用个体Agent模型描述与Agent节点相关的状态和行为,并且讨论复杂网络与Agent之间相互作用。(4)借鉴个体Agent的BDI模型与群体Agent的BDO模型,构建了基于BDI逻辑的复杂Agent网络搜索过程模型,从两个层次分析了影响搜索过程的状态因素:在个体层次主要研究了个体Agent建模、信念、愿望、意图等思维属性记忆与处理并基于BDI Agent的推理过程与算法机制;在群体层主要研究基于宏观描述的BDO Agent模型中Agent之间的复杂协作规律,其中主要考虑个体的单个属性的联合一体、集体承诺、规范等群体现象。(5)借鉴动态逻辑与BDI逻辑基础上扩展的LORA逻辑,首先从网络搜索状态多样性与Agent之间的协作过程的时间而变化的动态性角度对复杂Agent网络的搜索行为进行描述,提出了基于LORA的复杂Agent网络的多Agent协作搜索的搜索模型。为了解决复杂网络智能搜索问题,在CAN网络模型的基础上,提出一种新的BMA搜索策略。该方法通过在网络中部署一定数目的Agent,使其通过理性移动和随机移动的方式转发查询请求,来解决复杂Agent网络中的搜索问题。解决了BMA搜索机制、BMA搜索算法描述、基于BDI的Agent搜索模型等几个关键技术。最后,给出了仿真软件的特点与实验环境与试验相关的参数设置。通过实验,比较了经典的两种搜索算法与本文提出的BAS算法的性能指标SSR、LC与RPL等。评估了本文中的BMA算法的基本性能,扩展性与适应性。