目前，复杂网络理论已经渗透到多个学科领域，并在计算机网络控制、交通控制、社会网络分析、生物网络等领域取得了一系列成果。正是由于复杂网络理论应用广泛，来自数理学科、生命学科和工程学科等小同领域的研究者共同致力于复杂网络的研究。复杂网络研究理论不仅是科学家的兴趣所在，还受到了各国政府及强力部门的密切关注，例如：如何利用复杂网络的思想控制流行病、网络舆论和谣言的传播等，相关研究进展不仅将促进科学和技术的进步，还对各国的安全稳定产生一定的影响。　　 本文针对复杂网络免疫策略及病毒传播中亟需解决的4个问题进行研究，包括：从复杂网络角度评估网络免疫节点的选择依据、挖掘影响病毒传播的决定因素；结合传统人工智能理论，设计分布式网络免疫策略；提高病毒传播模型的刻画精度；设计高效低负的路由转发策略。本文的创新研究成果主要有：　　 1.针对目前网络免疫策略都以网络节点度数为选择依据，提出了一种基于网络介数信息的全局免疫策略。实验绪果表明：节点介数免疫策略对病毒的抑制能力优于目前基于节点度数的免疫策略。这表明在选择免疫节点时，不仅需要免疫网络中度数大的节点，也需要免疫网络中通信能力强的中继节点。　　 2.针对全局免疫策略需要掌握网络整体结构的缺点，结合自组织计算和正反馈机制，提出了一种基于面向自治计算(AOC)技术的分布式免疫策略以应对网络离散性和动态变化的要求。实验结果表明：(1)该策略只通过局部信息就可以快速发现网络中度数大、通信能力强的一组节点，进而有效地抑制病毒扩散；(2)基于AOC的网络免疫策略是一种分布式、可扩展的策略，它不仅不受网络拓扑结构动态变化和网络规模变化的影响，而且可扩展的计算能力使得策略在网络规模增大时，执行效率反而得以提升；(3)通过自组织计算和正反馈过程，加快了基于AOC网络免疫策略中搜索实体之间的间接交互，实现了“涌现”计算能力，从而加速整个系统快速收敛到目标解。　　 3.在病毒传播模型中，目前的研究大都假设人群均匀混合，用泊松分布来刻画人类行为。但这一假设偏离了近期统计观察的结果，影响了病毒传播模型的预测准确性。针对这一问题，本文提出了利用人类动力学研究成果提高病毒传播模型的预测精度。实验结果表明：用户查看邮箱行为服从带长尾特征的幂率分布；当用户查看邮箱行为服从幂律分布时，病毒传播速度更快，感染规模更大；从人类动力学角度解释网络病毒长期潜伏是因为用户在短时间内频繁地进行某项操作后，在很长时间内不再进行该操作。　　 4.针对分布式约束优化这类经典的人工智能问题，提出一种基于面向自治的搜索策略，并将其应用在路由查询转发策略中。实验结果表明：借助自组织计算实现的非线性“涌现”计算能力，基于AOC的路由转发策略可以将查询请求信息先转发给网络中度数大的节点，从而在降低通信代价的前提下提高查询请求的搜索覆盖度。同时，利用此策略可以将免疫疫苗快速分发给网络中的用户，进而有效抑制病毒在网络中的进一步传播。　　 总结以上成果，本文的主要贡献可以归纳为：(1)在深入分析网络免疫策略和网络结构等因素对病毒传播影响的基础上，依靠网络介数信息提出了基于介数的全局免疫策略。结果发现保护网络中中转能力强的中继节点可以更加有效的抑制病毒的传播；(2)利用面向自治计算技术将自组织性和正反馈机制融入到搜索算法中，设计具有“涌现”计算能力的分布式约束搜索策略，并将其应用在网络免疫策略和路由转发策略的设计中。该问题的解决不仅克服了目前网络免疫策略受网络拓扑结构影响的问题，还增强了免疫策略的鲁棒性和健壮性；同时通过对网络路由转发机制的改进，实现在减少网络通信代价的前提下提高免疫疫苗在网络中的分发速度，大大提高网络的抗毁灭性和网络搜索效率，推动网络智能的应用研究；(3)利用人类动力学相关研究改进病毒传播模型中对用户行为的刻画方式、提高病毒传播模型的预测准确度。