在这个各方面飞速发展的时代,竞争无处不在。社交网络中也不例外,有着大量的产品信息或者不同的言论,而这些信息之间的传播也存在着竞争。而目前的社交网络影响力最大化问题的研究大多是针对某一条信息的传播的研究,但是在实际的社交网络中,更多的是多条信息传播的情况。因此,提出了对基于竞争的影响力最大化问题的研究。对于竞争影响力最大化问题,首先提出了竞争线性阈值模型。模型即考虑了信息传播中的竞争,以及独立级联模型不能很好的反应节点的邻居节点的积累激活效应,又结合了线性阈值模型中的积累特性。该模型中,主要考虑了两条信息进行传播时,在已知其中一条信息的种子节点集合的情况下,另一条信息的种子节点集,在网络中传播的情况。其次,针对竞争影响最大化问题,提出了基于DAG的竞争影响力最大化算法,算法结合前面提出的竞争线性阈值模型的局部积累特性,利用了局部有向无环图DAG的快速影响计算。该算法把在网络中的每个节点作为根节点v构建局部DAG,并且排除已知信息的种子节点,只考虑局部DAG内的节点对节点v的影响。然后计算得到所有节点的影响力,并且在种子节点选取过程中节点的影响力更新,按照节点的影响力排序,依次选取其中排列在前k个的节点作为种子节点。最后,在两个数据集上,进行对比实验,验证竞争线性阈值模型的可靠性,以便在随后的基于DAG的竞争影响力最大化算法进行对比实验时使用,然后通过四个真实的网络数据集,将本文算法和经典的影响力最大化算法选取的种子节点在竞争线性阈值模型进行模拟传播,得到传播范围和运行时间。实验表明,该实验在传播范围和时间效率方面有较好的表现。