随着社交网络信息传播机制不断更新发展,信息传播在社交网络传播方式也日益多样化。但同时信息在社会传播过程中也会出现非常高复杂性的NP-难解问题。NP难解问题是理论计算机科学的主要研究对象,且通过参数算法对NP难解问题求解,也是目前理论计算机科学的重点研究方向。在本文主要针对社交网络的信息传播中的NP-难解问题进行研究,通过提出实际有效的固定参数可解算法来解决社交网络中的大量的NP-难解问题。以此同时,参数算法也越来越成为人们重点关注的对象。参数计算方法作为求解NP-难解问题的一种新方法和新手段,也已经被应用到很多不同的领域中。例如对于目前大量的社交网络中的很多NP难解问题都可以抽象化为数学问题,即可从算法本身的角度将算法的理论研究与社会现实网络问题密切结合起来,不仅可以把理论算法的有效实现。而且也可以对算法的进行测试。本文中主要以燃烧序列问题和最大无损害集问题为研究对象,针对这两个问题设计求解方案。首先通过参数建模,其次运用树分解技术和动态规划算法等参数算法对其一系列问题进行研究和分析。本文的主要工作内容可概况如下:(1)针对燃烧图中的燃烧序列问题进行参数算法的设计以及参数算法的复杂性的分析。在本文中主要通过引入与图相关联的图参数燃烧数来测量图中传播扩散的速度或者说衡量蔓延的进程。鉴于燃烧图的燃烧数是离散的步骤数,在基于此抽象模型下,我们提出了基于有限树宽的树分解固定参数可解算法。即通过运用动态规划算法对其节点状态更新。最终,在限定树宽的参数算法下可实现对燃烧序列问题的解集,且参数算法时间为O(4twn)与此同时,将有限定树宽图上的固定参数算法直接扩展应用到平面图上,得到燃烧序列问题在平面图上的参数时间算法的复杂度为o((?))除此之外,本文还设计针对求解燃烧序列的贪心算法对燃烧图中的燃烧序列求解。并通过5个现实社交网络的数据集实验仿真,针对实验结果分析不同社交网络信息问题不同效果。(2)本文给出最大无损害集问题的参数算法。最大无损害集问题是一个NP难解问题,即针对于图中不同顶点设有不同阈值,求其图G的无损害集。其中tmax是最大无损害集问题设定的阈值,且保证最大无损害集中的所有顶点都满足该顶点在无损害集中邻居节点个数小于阈值函数设定的阈值。同时最大无损害集问题针对不同阈值函数的设定,问题的复杂性不同。本文主要工作是对其问题进行参数算法的设计和算法的复杂性的分析。主要通过树分解技术和动态规划算法对其问题求解,且提出参数算法的时间为O(2tmax)2tw mn)。