复杂网络多样的表现形式,如真实系统中的神经网络、万维网、社交网络等,为个体间的联系和交互提供了坚实的基础。如何控制网络化人群中疾病的传播是复杂网络研究的一个主要内容。接种作为抑制疾病传播的主要方法,分为强制接种和自愿接种,而强制接种在社会中难以实施,因此自愿接种是控制疾病在网络中传播和蔓延最常用的手段。然而由于个体的自利性,他们会根据系统中获得的收益和其他局部信息(如其他个体的行为策略)来调整自己的行为,这导致纳什均衡状态下难以达到社会最优的困境。目前研究中面临的主要挑战是如何有效的解决这一接种困境。补助策略通过影响一小部分个体的行为策略,使剩余个体的行为策略产生级联反应,继而提升纳什均衡状态下的社会效益。因此,设计合适的补助机制是本文研究的核心科学问题。现有工作中的补助对象大多根据节点中心性选择,而没有考虑不同接种博弈模型的特殊性。本文在演化接种博弈和疾病控制博弈两个问题场景下进行分析并设计补助机制,主要贡献在于:(1)本文在演化接种博弈模型中考虑个体行为策略的历史信息,提出HI-RAN和HI-TAR两种补助策略。HI-RAN补助策略在上一轮博弈中未选择接种策略的群体中随机选择个体进行补助;HI-TAR补助策略在此基础上结合了节点的度中心性。不同网络中的模拟实验结果表明提出的两种补助策略均能有效限制疾病的扩散,并且HI-TAR补助策略更加有效。演化接种过程的微观分析结果发现基于历史信息的补助策略能提升非hub节点的接种概率。最后,本文比较了基于网络谱性质的演化接种博弈模型下的几种补助策略,发现在该种模型下HI-TAR补助策略能有效的抑制疾病的扩散。(2)本文研究了疾病控制博弈研究下个体的接种行为。疾病控制博弈依赖于基于网络谱性质的SIS模型。本文对疾病控制博弈下的最优纳什均衡和最差纳什均衡进行分析,通过比较现有的LDG算法和枚举算法,发现LDG难以有效估计最差纳什均衡,并基于此提出考虑邻居信息的NI算法来估计最差纳什均衡。本文分析疾病控制博弈中的TAR补助策略,发现TAR补助策略不能有效降低最差纳什均衡下的社会花费。因此,本文提出基于贪心算法的补助策略来降低最差纳什均衡下的社会花费。