近年来,随着电子设备的不断普及以及社交领域的不断发展,人与人之间的交流联系变得越来越密切方便,消息在人们之间的传递也愈加的方便快捷。如何利用人们之间形成的关系网络来进行信息的传播,逐渐得到了研究者们的关注。受到营销领域中“口碑效应”和“病毒式营销”策略的影响,逐步演化出了影响力最大化问题(简称为IMP问题)。影响力最大化问题要求研究者根据网络的结构特征,结合信息的传播特性,建立信息的传播模型,设计有效的算法,使得最终影响力在网络中能够最大限度的进行传播。影响力最大化问题要求我们从网络中选取若干节点,使得以他们为初始节点来进行信息传播时,在网络中产生的影响力能够达到最大。其研究不仅具有理论意义,而且还具有广泛的应用前景。社会网络上的影响力最大化问题研究对于广告发布、市场营销、消息传递以及科研合作等多个方面都有着十分重要的意义。本文首先介绍了社会网络中影响力最大化问题的来源以及国内外的研究现状,其次对用到的相关理论知识作了简单介绍,并且对研究中用到的两种基本传播模型进行了重点的研究。随后,对传统的启发式算法和贪心算法进行了分析和对比,针对网络的结构特征和信息的传播特性,考虑到现实网络中信息对时间的敏感性以及节点之间影响力的间接传递性,引入了影响因子。使用半定规划(SDP)方法设计了影响力最大化近似算法,同时提出了基于最大影响因子(MIF)的启发式算法和贪心策略。最后通过现实中的社会网络数据集进行了实验,分别从传播效果和传递效率两个方面对实验结果进行了分析,并且将MIF算法与基于最大顶点度(High-Degree)、基于距离(Distance)等传统的启发式算法和贪心算法进行了对比。实验结果表明,MIF算法与常见的启发式算法相比,其最终的传播效果要更好,传播效果与贪心算法接近；相比于贪心算法来讲,MIF算法与贪心算法传播效果接近,但是却大幅度的降低了运算时间,传递效率要好很多。同时,我们使用Gephi工具作了可视化表示,从而可以更加直观的观察到网络中节点的激活情况。