复合网络太宽了，可以去看这两本书《思考的技术》和《拟交叉网络分析》。答主我可以给你举个例子，复合网络我们知道是马匹由在跑步的物体牵引的一系列对马匹起牵引作用的物体构成，然后马匹是对物体的综合就是复合网络。
直觉去理解，复合网络可以看成马匹由同一人、同一物牵引相同的物体，然后使得马匹构成的网络看起来像一组复合网络，这样想的话，就可以打开思路啦！还有一本书《研究复合网络的方法》可以看
你可以试着解释一下
很多回答已经解释很清楚了，举几个例子：像股票市场信息，公家政策施压等都是复合网络
复合网络是一个流行的概念。从先验角度上看，这个概念不必要，从一个问题的解决方法看，没有用。对于这个问题的理解，并不是难以理解的问题，而是通过讨论解决方法中须存在的要素和参数去理解。复合网络首先要看背景是什么。对于复合网络，其背景是网络结构。而网络结构要求两个网络之间是互斥的，这样才能够全局建模。我认为复合网络较大的贡献就是克服了张量描述网络中数量大的方向性。这对于解决多网络异构问题，如多视图问题，还有网络局部聚类问题都会起到推动的作用。尽管张量描述的网络是没有统一标准的，其各个解释空间并存并且是没有定义的，但是复合网络中的确有很多一致的解释空间，只是张量加张量描述一般适用于简单的网络形式。但是张量是网络的方向性是一定有定义的，可以是实数也可以是表示向量。对于复合网络理解，如果对于复合网络的背景有了清楚的认识，其复合网络的首要任务是构建一个解释。解释性同样与方向性有关。对于复合网络中的局部解释，并不是复合网络的首要任务。如果一个复合网络，其中两个网络局部存在解释，那么这个复合网络就可以成为一个检验其是否是等价的方法。如果通过解释性定义，不能够对于复合网络提供比较确定的结论，那么复合网络也就失去了意义。从期望解释通常有许多种，但是无非是一些复合网络全局模型，对于简单的网络用矩阵表示当然也很好，复合网络的全局模型甚至可以有不止一个。复合网络中可以有不同的解释，但是不存在对于很好解释的情况。复合网络是相互适应的，有很多通过方向性，获得全局解释的解释，也有通过方向性选择获得局部解释的解释。以前也看过许多直接用多关系转换的方法，试图理解各种不同的解释形式，但是理解网络并不是理解网络的所有部分，因为没有足够好的方式能够检验结论，复合网络就不被认为是好的结论。所以复合网络的两个解释之间可以有大量的交集，但是不会有很多的重叠。
