在开放动态的分布式软件环境下，多个事务并行处理导致产生的事件没有完全按照正常的顺序到达。如果这些事务产生的标记不完全或者不可用，无法通过事件的时间戳信息和事务实例的标记符来确定每个踪迹的事件源，将对后续的软件行为分析和预测造成很大的阻碍。本文从两种不同情形对该问题做出讨论，构建了一个不完全标记的事务行为踪迹模型，并转化为网络最大流问题，提出了一种新的增载轨算法，在新算法的思想上设计了踪迹标记算法，有效地为丢失了标记的踪迹找到事件源。本文主要研究工作如下：（1）建立不完全标记的事务行为踪迹模型。本文只考虑事务在不同状态之间的转移时间服从独立同分布，状态之间的转移满足马尔科夫性的情况，首先建立只有开始和结束的两状态模型。然后将其转化为有向无环网络问题，通过寻找增广路径，为各事件踪迹进行标记处理。最后对多状态模型进行优化，采用状态划分算法，将多状态模型转化为多个两状态模型。（2）设计踪迹标记算法。首先将多状态转移模型转化为网络最大流问题。然后在传统的增载轨算法基础上，放宽了寻找增载轨路径的约束条件，提出了一种新的增载轨算法。该算法每次选择“足够”短的增载轨路径，并对增载轨路径作容量最大限制，以减少了增载轨的数量。最后对不完全标记的两种不同情形设计了踪迹标记算法，为丢失了标记的事务行为踪迹找到事件源。（3）仿真实验和性能分析。对不完全标记的两种不同情形分别进行了仿真实验，验证了踪迹标记的有效性和准确性，并对踪迹标记算法的性能进行测试，实验表明该算法具有一定的实用性。