在营销领域,为推广市场上一种新产品,厂家通过把新产品免费发放给影响力大的用户,通过这些初始体验用户的“口碑效应”和“病毒营销”方式使新产品得以传播。这种营销策略的关键问题在于在资金一定的情况下如何选择初始节点使产品影响力达到最大化,这是影响力最大化问题提出的初始背景。影响力最大化问题从市场营销领域被引入到社会网络领域后,成为研究的一大热点,学者们提出很多模型和算法来模拟和解决影响力最大化问题。本文首先介绍了影响力最大化问题的相关理论知识,详细介绍了线性阈值模型(简称LT模型)和独立级联模型(简称IC模型)的传播机制,并探讨几种典型的解决影响力最大化问题算法的优缺点。由于LT和IC模型相对简单机械,忽略了人类群体的理性学习合作的特征,本文提出一种基于社会学习的创新行为影响力最大化模型。模型中参与者通过学习身边收益大的邻居选择自身策略,使创新行为的传播更加符合现实生活中的传播规律。提出一种该模型与LT模型结合的混合模型。本文在ER随机图和WS小世界网络中进行传播仿真实验,发现混合模型传播效果要比单纯的LT模型或社会学习模型好很多。本文在基于社会学习的创新行为影响力最大化模型基础上,提出了一种新的影响力最大化算法:考虑收益的度中心算法。算法考虑邻居节点收益,初始节点成对存在使新行为收益变大,新行为更容易传播,并避免初始节点扎堆,扩大初始节点影响力范围。仿真实验同样在ER图中进行,实验证明该算法效果比度中心算法和随机算法效果好。