大规模的复杂网络中往往存在少量的关键节点，这些节点对复杂系统有重要意义。因此，复杂网络中心性分析，即分析网络中的关键节点，无疑是一个有实用价值的工作。当前存在着许多中心性度量方法，它们中的大部分都应用在了静态复杂网络上。然而自然界中的复杂系统本质上是随着时间不断演化的。单一静态网络研究会导致大量有价值信息的丢失。本文针对如何快速有效地从复杂网络中找到含有大量核心信息的关键节点，通过关键节点理解复杂系统的演化，首先对当前静态网络上的三种中心性度量方法进行了研究。在此基础上，本文结合网络的动态特性，设计了四种动态中心性方法，以此度量动态网络中节点的重要性及关键节点的变化。为进一步说明动态中心性研究的应用，本文提出了基于节点中心性排名的社团核心挖掘算法。本文将各种中心性方法的静态及动态版本都进行了仿真，并应用于真实科学家合作网络数据上，实验结果表明了各个中心性方法的不同特性。另外，针对当前动态网络研究中没有统一评价标准，本文设计了中心性评价标准CenEvaluate，从而实现了对所设计的四种动态中心性方法进行了合理地比较和分析。从实验中得到了一些有趣的现象和结论。