网络科学的发展为研究现实生活中各种各样的真实系统带来新的视角。近年来,随着互联网技术的迅速发展,大量的时序数据的获取,为研究网络上动力学行为提供了便利。其中,传播学和随机游走是网络科学研究中热门的话题之一。研究网络上的传播行为,并掌握其传播规律,是控制流行病扩散的先决条件。另外,研究网络上的随机游走过程能为提出高效的免疫策略提供依据。由于真实网络系统的规模巨大性、个体行为的复杂性以及网络结构的多变性,使得提出有效免疫策略面临诸多挑战。本文聚焦个体的行为模式,对时序网络的演化机制进行深入研究,并探讨了个体行为模式对网络上传播行为和随机游走过程的影响,从而为设计有效的免疫策略提供理论指导。本文在时序网络的传播学、随机游走和免疫策略研究方面取得了以下创新结果:1.基于个体的记忆行为,提出了一类时序网络模型。基于由个体活跃度和吸引力共同驱动的网络模型,提出了一类具有个体记忆行为的时序网络模型,研究了个体记忆行为对网络的拓扑结构和连接模式的影响,并探讨了个体记忆对传播行为的影响。实验结果表明,个体的记忆会改变网络系统的连接模式,并对时序网络上的不同的传播模型会产生不同的影响。对于SIR传播模型,个体记忆对传播阈值没有较大影响,但会降低最终的感染比例。对于SIS传播模型,当个体的活跃度与吸引力呈负相关时,个体记忆会减小传播阈值并促进流行病的传播。在二者相互独立和正相关时,个体记忆对传播阈值没有太大影响。2.基于个体的相互选择行为,提出了一类时序网络模型。基于由个体活跃度驱动的时序网络模型,提出了一类具有个体相互选择行为的时序网络模型,并研究了不同的相互选择模式下的随机游走过程。理论解析和实验结果表明,不同的相互选择模式对随机游走行为会有不同的影响。游走者在节点上的停留情况与第一次到达节点所需的平均时间不仅与节点的活跃度相关,还会受到节点接受连接的能力影响。3.基于随机游走机制,提出了一类时序网络的免疫策略。基于随机游走过程,识别网络中的重要节点,从而提出了一类基于随机游走过程的免疫策略,并与经典的随机免疫和目标免疫的效率进行了比较。结果表明,在不同的免疫比例条件下,随机游走的免疫策略效果都好于随机免疫策略;当免疫的比例较大时,随机游走免疫策略几乎达到与目标免疫一样的免疫效果。相对于目标免疫策略,基于随机游走的免疫策略优势在于无需预先了解网络中节点的信息,因此可应用于信息不完全的网络系统中。