Pajek是大型复杂网络分析工具，是用于研究目前所存在的各种复杂非线性网络的有力工具。Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。在斯洛文尼亚语中Pajek是蜘蛛的意思。最新Pajek版本免费获取，仅限于非商业用途。Pajek向以下网络提供分析和可视化操作工具：合著网、化学有机分子、蛋白质受体交互网、家谱、因特网、引文网、传播网（AIDS、新闻、创新）、数据挖掘（2-mode网）等。

Characterizing stochastic 的中文翻译，程序代码

链路预测：已知的网络节点以及网络结构，预测网络中尚未产生连边的两个节点之间产生链接的可能性

本代码是基于活跃度驱动模型上时序网络中流行病传播过程的实现，其中包括SIS模型、SIR模型以及SEIR模型

包括时序网络的构建、SIR模型流行病传播过程。

基于无标度集聚网络的博弈模型；采用囚徒困境博弈模型；内附.m文件和doc解释文件

论文Finding key players in complex networks through deep reinforcement learning的软件包

matlab—bgl工具箱以及相关文档说明

java的复杂网络作图工具包JUNG简明教程

在复杂的网络中，由节点的异构性标识的集群结构已成为一种常见且重要的拓扑属性。 因此，网络聚类方法对于研究复杂网络具有重要意义。 当前，许多典型的聚类算法都有一些缺点，例如不准确和收敛缓慢。 在本文中，我们通过计算节点的核心影响力提出了一种聚类算法。 聚类过程是对社会学中聚类形成过程的模拟。 该算法通过节点之间的中心性来检测具有核心影响的节点，并通过判别函数构建集群的核心结构。 接下来，通过优化方法对网络中的其余节点进行聚类后，该算法将获得最终的聚类结构。 在不同数据集上的实验表明，该算法的聚类精度优于经典聚类算法（Fast-Newman算法）。 它的聚类速度更快，并在准确揭示复杂网络的真实聚类结构方面发挥了积极作用。