随着信息技术的飞速发展，社会、经济、通信等系统越加庞大和复杂，而这些实际的复杂系统都可以用复杂网络来描述和研究。因此，近年来复杂网络的研究引起了各领域学者的广泛关注。近年来，基于人际关系的社交网络迅速发展，如Facebook，Linkedin，QQ,微信等在线社交网络，已经影响到人们的日常生活并发挥着越来越重要的作用，使得社交网络上的信息与行为传播动力学成为当前复杂网络研究的一大热点。通过研究社会关系网络的拓扑结构，掌握关系网络的特点，通过研究网络上的信息及行为传播的传播机制、传播方式及影响传播的因素，从而对各种社会信息与行为的扩散进行合理预测和干预，这对社会的科学管理与和谐发展具有重要意义。　　本文重点研究复杂网络上的信息与行为传播规律，通过建立传播模型，分析网络的结构及各种模型参数对行为传播的影响。具体内容如下：　　(1)基于Facebook的在线社交网络上的信息与行为的传播研究。针对社交网络上信息与行为的交互作用与协同传播的特点，建立了基于信息驱动的行为传播模型。综合考虑了在线社交网络上信息与行为传播的交互性，以及信息传播的记忆性、时效性与社会加强效果等多种因素对传播的影响。研究发现，信息的时效性、社会加强效果、信息的转播率等模型参量，以及源节点的度与核数、节点的度及与源节点距离等网络参量，都在一定程度上影响行为传播的速度和范围，但各参量在不同环境下发挥不同的作用。　　(2)基于人际关系差异的加权网络上的行为传播研究。主要针对人际关系网络中人们日常联系的紧密程度、人们对事物的偏好性差异，以及信息与行为交互影响的特点，建立了加权网络上基于信息驱动的行为传播模型。综合考虑了信息的时效性、社会强化效应，以及个体之间的紧密程度、个体的个性偏好等因素对行为传播的影响。研究发现，信息自身的某些性质(如时效性、社会加强性)对信息在网络中传播的广度和速度都有影响，而个体之间的联系紧密程度和个体偏好程度等主观因素主要影响了个体接收信息的次数和行为的转化率。这些研究结果将为各种社会管理提供科学依据，对人类社会行为传播的预测和控制具有重要意义。