近些年来各式各样的复杂网络不断渗透至人们生活的方方面面,网络的规模和所包含的数据信息量也越发庞大。在大规模网络研究成本巨大、网络信息获取不完全等情况下,如何通过合适的网络采样方法来获取复杂网络中的部分节点和连边的信息,从而通过这些信息能够有效估计实际网络的性质,或者如何得到一个与原网络具有某些相似性质的小规模网络来代替原网络成为较低成本的研究对象成为了人们关心的话题。本文首先从采样效率和采样准确性等维度实验对比了常见的几种采样方法,包括随机采样、图遍历采样和随机游走采样3大类中的6种方法,并综合给出了较为详尽的优缺点说明和使用建议。同时我们通过结合多路采样和抽样采样,对传统的采样方法进行穿插使用和优化,大大降低了重复采样率,采样性能明显提高。而针对到传统研究很少涉及到的有向网络,在常用采样方法受到限制的情况下,我们提出了双网络图采样,在保证算法对有向网络的适应性的同时,提高了采样效率。本文最后综合多种采样算法搭建了复杂网络采样可视化软件,用图形化的语言展示采样的过程和结果。