21世纪的人类社会在科学技术的大力推动下已经逐渐步入了“网络时代”。可以说,人们的生活离不开网络。本文针对目前复杂网络链路预测研究中存在的不足,以复杂网络、链路预测和排名聚合相关理论知识为指导,在复杂网络链路预测中引入排名聚合方法用于对未知链路存在可能性列表进行聚合,从复杂网络中各种链路集合的形象刻画、排名聚合中能量值的定义以及复杂网络链路预测中基于网络结构相似性的算法选择三个问题,综合运用统计物理学、传统图论知识、矩阵论、概率论与数理统计、控制仿真等多学科领域知识,对链路预测算法选择问题进行了深入系统的研究,提出了基于排名聚合的链路预测新算法,并对算法选择问题进行讨论分析,提出了基于排名聚合的链路预测算法选择方法。论文主要研究工作及创新点如下:(1)提出了基于排名聚合的链路预测的新算法。通过从链路预测的本质出发可以发现算法就是对网络中未知链路存在可能性大小进行预测,并取可能性值较大的未知链路作为不完全信息条件下复杂网络隐藏的链路信息。基于上文分析,将基于图论的排名聚合方法引入到链路预测中,提出了基于排名聚合的链路预测新算法。在已有的众多链路预测算法中,通过基于图论的排名聚合方法对多个未知链路存在可能性列表进行聚合,形成了新的未知链路排序列表。并以此为基础进行复杂网络链路预测。研究发现,相对于随机加边,基于排名聚合的链路预测算法预测精度和效率都有着数倍以上的提高。(2)提出了基于排名聚合的链路预测算法选择方法。在现实应用中,考虑到基于排名聚合的复杂网络链路预测算法“平滑器”的作用,算法的精确性只能处于中等水平,在精确性要求较高的场合难以适用的情况。本文将该算法作为不完全信息条件下复杂网络链路预测中的“参考答案”,其他链路预测算法通过链路恢复后得到的网络与之进行对比,通过计算两者之间的斯皮尔曼简捷加权测度值,从中选择出测度值最小的合适算法。进一步,在测度值相同的算法中,比较了遴选的算法的AUC值,选择了AUC值最高的链路预测算法作为特定网路中适合的算法。研究表明,基于排名聚合的链路预测算法选择方法能够很好地对不完全信息条件下复杂网络链路预测算法进行选择。