1.基于投票机制的复杂网络关键节点识别方法，其特征在于，包括如下步骤：步骤1：将产业链抽象为复杂网络，融入集体影响算法，将网络中每个节点的投票得分和投票能力进行初始化；

步骤2：基于初始化后的投票能力，引入每个节点对其不同邻居节点的投票的概率得到其对应的投票得分，将投票得分最高的节点作为关键节点；

步骤3：削弱已选关键节点一阶和二阶邻居节点的投票能力；

步骤4：对未选节点继续投票，重复步骤2和步骤3，直到选出所有关键节点；

所述融入集体影响算法，将网络中每个节点的投票得分和投票能力进行初始化中，通过对复杂网络中每个节点的投票能力进行设置，所述对复杂网络中每个节点的投票能力进行设置的公式为：其中，CIv为节点v所获得的集体影响强度，dv表示节点v的度，du表示节点u的度，Γ(v)表示节点v的一阶邻居集合；

基于整个网络计算所有节点的CIv值，把CIv值最大的节点从网络中移除，重新计算网络中最大连通分量所包含节点的CIv值，并且继续将新的CIv值最大的节点从网络中移除，重复该过程直到网络中的最大连通分量消失；

所述基于初始化后的投票能力，引入每个节点对其不同邻居节点的投票的概率得到其对应的投票得分包括：根据节点v的度和节点u的一阶邻居集合的度得到节点u对节点v的投票概率；

基于初始化后的节点u投票能力与节点u对于节点v的投票概率的乘积之和得到节点v对应的投票得分。

2.如权利要求1所述的基于投票机制的复杂网络关键节点识别方法，其特征在于，所述削弱已选关键节点一阶和二阶邻居节点的投票能力为：其中， d为所有节点的平均度，k为已选节点与其邻居节点之间的距离。

3.基于投票机制的复杂网络关键节点识别系统，其特征在于，包括：初始化模块，用于将产业链抽象为复杂网络，融入集体影响算法，将网络中每个节点的投票得分和投票能力进行初始化；

关键节点识别模块，用于基于初始化后的投票能力，引入每个节点对其不同邻居节点的投票的概率得到其对应的投票得分，将投票得分最高的节点作为关键节点；削弱已选节点一阶和二阶邻居节点的投票能力，对未选节点继续投票，重复上述步骤，直至选出所有关键节点；

所述融入集体影响算法，将网络中每个节点的投票得分和投票能力进行初始化中，通过对复杂网络中每个节点的投票能力进行设置，所述对复杂网络中每个节点的投票能力进行设置的公式为：其中，CIv为节点v所获得的集体影响强度，dv表示节点v的度，du表示节点u的度，Γ(v)表示节点v的一阶邻居集合；

基于整个网络计算所有节点的CIv值，把CIv值最大的节点从网络中移除，重新计算网络中最大连通分量所包含节点的CIv值，并且继续将新的CIv值最大的节点从网络中移除，重复该过程直到网络中的最大连通分量消失；

所述基于初始化后的投票能力，引入每个节点对其不同邻居节点的投票的概率得到其对应的投票得分包括：根据节点v的度和节点u的一阶邻居集合的度得到节点u对节点v的投票概率；

基于初始化后的节点u投票能力与节点u对于节点v的投票概率的乘积之和得到节点v对应的投票得分。

4.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑2任一项所述的基于投票机制的复杂网络关键节点识别方法中的步骤。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑2任一项所述的基于投票机制的复杂网络关键节点识别方法中的步骤。