病毒营销也叫口碑营销，原来是指商家向少数消费者发送免费试用产品，这些试用产品的消费者试用产品后以口头推荐的方式推荐给其亲朋好友。这些新的用户又以相同的方式推荐下去，这样产品就在潜在消费者群体中推广开来。基于信任网络的病毒营销通过在线信任网络传播产品推荐信息给其邻居结点，将结点之间的信任值看成结点之间的影响力。由于网络的实时性，网络结点数目巨大和推荐信息发送的便捷性，基于信任网络的病毒营销能够以更加快速的方式推广到更多的网络结点。基于信任网络的病毒营销模型的研究包括以下几个方面：第一，对信任网络的建模，建立结点之间的信赖关系为病毒营销打下基础。第二，对信任网络扩散模型建模，扩散模型描述的是推荐产品在信任网络中扩散的过程。第三，种子结点选择算法，即如何选择固定数目的网络结点作为初始营销对象使得最终获得的使用产品的用户数目最大化，这一问题已被证明是NP问题。本文首先对信任网络建模，提出一种动态遗忘因子模型，模型遵循了信任评估的信任值缓慢增加，快速下降原则并且在遇到恶意攻击时能够有效地识别恶意结点。实验证明本文提出的模型相对于现有的其他模型能够识别恶意攻击尤其是循环攻击，从而为病毒营销建立良好的营销环境。其次，通过对现有的网络扩散模型的研究和分析，本文提出一种基于元胞自动机的网络扩散模型（CAND），并证明了新模型与线性初值模型的等价性。在NetLogo环境下建模，对扩散模型进行模拟，实验证明了本文提出的扩散模型在时间效率上的优越性。最后本文提出一种基于智能算法的种子结点选择算法，将标准遗传算法（SGA），粒子群优化算法（PSO），差分进化算法（DE）和协同进化算法（CEA）用于初始营销结点的选择。用JAVA语言开发了基于智能算法的NetLogo接口使其与NetLogo语言编写的扩散模型连接。对基于智能算法的种子结点选择算法进行模拟并和经典的以及目前最新的病毒营销种子结点选择算法进行对比，实验证明粒子群优化算法具有最好的优化能力并且兼顾了时间效率，具备网络可伸缩性。