图网络作为刻画现实世界中多种元素间相互关系的有效模型,已经广泛应用于社交网络、通讯系统、生物网络等多个领域。利用图理论和复杂网络的算法挖掘现实网络的拓扑结构特征,分析其中的相互关系和作用成为研究的核心和重点。环路是多种复杂网络的一个典型特征,指从初始点出发又回到该点的一条闭通路,该结构信息具有重要的现实意义和应用价值:例如在电商交易网络中,环路表示可能存在的恶意刷单行为;在金融交易网络中,挖掘环路有助于发现团伙欺诈行为等。作为描述节点之间时间属性的时序网络,近年来因其更接近于实际,并具有广泛应用而受到关注。本文针对时序网络中的环路检测问题展开讨论,完善了基于图代连通分量算法的图数据预处理技术,提出了基于队列的融合搜索及多重广度优先搜索的环路检测算法,旨在减少环路检索过程中边的无效访问量,提高环路检测的效率。本文的创新点主要包括以下两方面内容:（1）在有向图中,利用强连通分量与广度优先搜索的关系,本文提出了广度优先搜索和矩阵代数运算相结合的图代连通分量算法,对图数据进行预处理。其思想大致如下:从初始节点出发,同时在正向图的邻接矩阵A中和逆向图的邻接矩阵AT中提取节点的广度优先搜索信息,将两部分信息汇总后,得到图的强连通分量。该方法在理论上的时间复杂度为O（n2）,实际操作中的时间复杂度为O（n+m）。实验结果显示,与Tarjan算法和Kosaraju算法相比,计算性能能够实现76%左右的提升。（2）在对时序环路进行约束性检索中,本文首先提出了基于队列的搜索算法,该算法融合了深度优先搜索（DFS）和广度优先搜索（BFS）两种检索思想。在检索两点间可行路径时,以初始点为根节点,利用BFS扩展搜索方向,同时利用DFS扩展搜索深度,直至找完所有符合条件的环路。和DFS相比,该方法能够减少回溯步骤,节约检索时间;和BFS相比,能够读取被遗漏的边信息以提高检索精度;其次在队列算法基础上,提出了一种并行检索方式,即基于多层广度优先搜索的环路检测算法。该算法在正向图G和逆向图GT上同时进行,从同一个初始点出发,在正向图上按照时间递增的要求执行三层BFS,在逆向图上依次执行时间递减的（1,2,3,…,L-3）层BFS,当所得路径的顶端相同时,便找到了长度不超过L的环路。该算法的时间复杂度为O（cdL）,其中d为图的平均度,c为环路的个数,L为环路的长度限制。与基准算法相比,该算法不仅能够直接输出长度不超过L的时序环,而且计算性能提升高达134倍。