动态网络的拓扑结构在整个研究阶段内必定在不断演化改变，对于很多应用而言，无论是准确描述动态网络整体变化趋势还是更精确的计算网络间变化程度都是很有意义的工作。目前，已有许多工作致力于比较图之间的相似性或距离，然而很多经典算法存在两个特点，一方面它们大多针对无标记图，导致算法时间复杂度太高；另一方面它们只考虑图之间顶点和边的差异量，对图距离的定义过于狭隘。本文针对顶点唯一标记的复杂网络，提出四种图距离计算方法，包括基于顶点相关性、基于交互相关性、基于模块相关性和基于谱距离，分别从网络拓扑指标和特征系统度量动态网络的拓扑结构变化情况。同时，还明确给出动态网络持续性和波动性的定义，用来评价网络整体变化程度。通过计算所有相邻时刻快照间图距离，既可以了解网络整体变化趋势，又可以检测时序网络的异常点，这在包括复杂疾病恶化预测或信息网络异常检测等领域有良好应用前景。本文在人工合成网络数据和真实网络数据上对提出的四种方法进行了实验仿真，实验结果表明不同方法确实能够有效描述网络不同方面变化特点。为进一步研究动态网络的变化平滑性，本文对动态网络所有快照进行随机洗牌处理，通过洗牌前后网络持续性和波动性值的比较，从中发现一些有趣的结论。