复杂网络零模型抽象出某些网络的实际特征,可以与初始网络形成参照对比。动力学传播问题比如谣言传播、病毒传播一直是复杂网络中的一个研究重点,利用各种方法去研究复杂网络传播问题,具有现实意义。本文首先介绍了零模型的基础概念、构造方式、相关算法及应用;然后根据实际情况,对现有的不同阶次零模型算法进行了改进;最后用所生成的不同阶次零模型研究复杂网络中的病毒及谣言传播。本文贡献总结如下:1.针对通过现有2阶零模型算法生成的2阶零模型网络,难以获得2.5阶零模型网络的问题,提出了C-2KT算法(C代表聚类,2K代表二阶网络,T代表三角形)。C-2KT算法通过在从无到有生成新网络的过程之中,考虑节点聚类谱的实际分布有策略地再生成对应的高聚类2阶零模型。实验结果验证C-2KT算法可以生成高聚类且与原网络聚类谱更加接近的2阶零模型网络,且此2阶零模型网络作为初始网络,更易得到2.5阶零模型网络。2.针对现有的2.5阶零模型生成算法在生成低聚类网络时表现良好,容易生成满足需求的2.5阶零模型;而对与生成高聚类网络往达不到预期目标,生成的2.5阶零模型与初始网络偏差较大,因此本文提出TS-MCMC算法(TS代表禁忌搜索,MCMC代表马尔科夫链)来解决这个问题。TS-MCMC算法以2阶零模型为起始网络,通过对起始网络设置边权、概率选择断开边、禁忌搜索限制新生边,解决了现有算法对于高聚类网络达不到2.5阶零模型目标的问题。仿真结果表明,TS-MCMC算法生成的2.5阶零模型较其他算法,其聚类谱更贴近真实网络,验证了所提出算法生成2.5阶零模型的准确性。3.使用四个真实网络:Dolphin、Wiki、Facebook、Microblog,分别通过随机置乱的方式生成各阶零模型,通过比较度分布、联合度分布、平均聚类、聚类谱,验证零模型的准确性。随后通过生成的各阶零模型,研究网络中的谣言传播和病毒传播问题。仿真结果表明:对于病毒传播,当网络聚类较低时,在度分布保持一致的情况下,最终网络的病毒传播规模几乎保持一致。在聚类稍高时,聚类谱和联合度分布这两个因素在很大程度上影响了了网络中的病毒传播最终规模;谣言传播的最终免疫规模与感染率密切相关,随着感染率的增加,谣言传播最终规模扩大。当感染率到达一定值的时候,谣言的最终传播规模将不会再有变化。聚类系数对谣言的传播具有一定的抑制作用。