传染病一直是人类关注的重点话题之一。随着现代社会的高速发展,城市化建设和交通运输为人类带来便利的同时,也放大了传染病的传播能力,扩大了对人类社会的影响。如何缓解并控制传染病的传播,提前预知传染病的传播和爆发情况,从而减少传染病对人类生命和财产安全的威胁,这些问题日渐成为了研究人员的关注焦点。在对抗传染病的历史初期,人们往往只能在爆发后进行被动防控,但往往传染病此时已经形成了大规模传播,最终依然造成了大量伤亡现象。因此人们开始寻求主动监控,目的是在传染病早期传播时就可以检测并控制传染病的爆发,从而可以有效抑制传染病的传播速度,保障人们的生命安全。在主动监控的研究中,如何从大量的个体中有效地选择小部分群体作为哨兵进行监控,从而尽可能提前预知传染病的爆发情况是一个非常重要的研究问题。目前已有的哨兵节点选择策略的研究中,其中一类策略是基于网络的全局信息来进行选择。但因为获取社交网络的全局信息在实际生活中需要大量的人力物力,不太可能实现,因此该类策略在真实应用中存在很大的局限性。与此类相对的另一类策略是基于网络的局部信息启发式地选择,即仅通过社交网络中部分个体及其邻居个体的信息来进行哨兵选择。该类策略不需要掌握网络中的所有节点信息,更具备现实可行性。然而,目前该类策略大多数都是基于静态网络数据进行研究,没有考虑到网络的时序结构。而此时已有研究证实,社交网络的时序结构对传染病的传播过程有着重要影响,因此基于时序网络来研究传染病的传播过程和哨兵节点选择策略更具有实际意义。本文发现在目前已有的基于时序网络的哨兵节点选择策略研究中,大多都是根据时序网络上的免疫策略提出的。但是免疫策略与监控策略的目标选择节点并不一致,免疫策略侧重于选择能传播感染更多个体的节点,而监控策略更侧重于选择早期更容易被感染的节点。因此目前大部分的哨兵节点选择策略存在理论局限性,设计更符合主动监控目标的策略非常重要。在社交网络中存在一种现象,大部分人的朋友都比自己拥有更多的朋友,这种现象称为友谊悖论理论。基于该理论的启发,本文提出了两个基于时序网络的哨兵节点选择策略,即1^stAN策略和2^nd RN策略。本文分别使用了构造的时序网络和真实的时序网络数据集,即Synthetic网络、Prostitution网络、Dating网络、Message网络和WIFI网络上,使用SI传染病模型模拟了传染病的传播和爆发过程,并采用提前期和成功率作为衡量策略性能的指标。本文通过实验结果证明了提出的两个新策略在不同时序网络上的有效性和鲁棒性。1^st AN策略在Synthetic网络和Message网络上可以提供较大的提前期和具有较高的成功率,而2^nd RN策略在Prostitution网络和Dating网络上同样具有非常好的表现,在WIFI网络中综合提前期和成功率两个指标也可以得出2^nd RN策略优于其他策略。另外我们使用了随机时序网络模型中的RP模型、RT模型和RC模型,结合时序网络的结构描述符,探索并分析了时序结构对最优哨兵节点选择策略的影响。实验结果表明,在RP、RT和RC三种模型产生的时序网络中,1^st AN策略都可以提供较大的提前期和具有较高的成功率,但是在原始网络中表现优异的2^nd RN策略的效果会明显下降。这表明时序结构中联系序列的相关性对2^nd RN策略存在较大的负影响,但对1^st AN策略具有一定的积极影响。这是因为联系序列的相关性对时序网络路径非常重要,而2^nd RN策略的选择过程对网络中的时序路径依赖性较强,1^st AN策略则只依赖于网络的拓扑结构和联系的数目分布情况,因此对于明显时序结构的真实社交网络,2^nd RN策略往往具有较好的监控效果,反之可以采用1^st AN策略。