网络上的疾病传播动力学的研究可以揭示疾病流行规律，预测其发展趋势，对于疾病的预防和控制有非常重要的实际意义。随着网络科学的发展，复杂网络中疾病的传播成为了复杂网络研究的热点之一。本文通过研究网络上影响疾病传播的因素，建立各种基于这些因素的疾病传播模型，从而为疾病的预防和控制提供一些可靠的建议。　　最近，信息扩散对于疾病传播的影响受到了很多关注。这是因为当一种疾病在人群中传播时，关于这种疾病的信息也会随即扩散开来。而有关疾病信息的传播，会警示人们要采取措施预防疾病，所以疾病信息的扩散会影响疾病的传播。因此在第二章中，本文基于H7N9和登革热的疾病与信息数据，验证了社交网络上疾病信息的传播对于疾病传播的影响。基于疾病与信息之间的关系，建立了SIS对逼近传播模型。模型和仿真结果表明信息的扩散会增大疾病爆发的阈值，降低疾病的爆发规模并且会减慢疾病传播的速度。而另一方面，疾病的传播也会加速疾病信息的扩散。此外，我们发现在疾病信息的影响下，疾病传播会出现多次爆发的现象，这也和实证数据的分析相吻合。　　近年来，很多研究都关注网络上的动力学和网络动力学之间的相互作用。在第三章中，本文建立了一个基于信息驱动的自适应传播模型，在这个模型中疾病和疾病信息可以同时传播。信息驱动的自适应过程是指，得知疾病信息的易感者(或者感染者)为了防止疾病的进一步传播，会断开与自己感染(或者易感)邻居之间的连边。基于对逼近的自适应模型和仿真结果表明，信息驱动的自适应传播过程不仅会抑制疾病的传播，也会大大的减少疾病患病率。此外，我们在晶格网络上对模型的传播过程进行了可视化，直观的显示了在信息驱动的自适应过程下，疾病会陷入一个孤立的区域，从而无法进一步传播。为了更深刻的理解模型的动力学过程，我们对模型进行了分支分析，发现在不同的参数取值下会出现四种不同的动力学性态，即：无病，振荡，双稳和形成地方性疾病。　　在复杂网络的研究中，很多工作都关注网络的拓扑结构对于传播动力学的影响。而实际系统中的网络很多都是权重网络，因此文章的第四章研究边权对于疾病传播的影响。我们使用SIS模型来刻画疾病传播过程，并且基于网络中SI(易感-感染)边的权重引入三种断边策略，以此来研究不同的断边策略对疾病传播的影响。我们在三个实际网络中对模型进行仿真，发现不同的断边策略会显示出不同的传播模式，这也说明边权对传播过程有很大的影响。因此，基于边权的不同作用，我们提出在疾病传播的不同时期采取不同的策略来阻止疾病的传播。此外，通过分析边权与网络结构的关系，本文进一步解释了边权在疾病传播过程中的作用。