信息传播是社交网络用户进行交流与学习的主要方式。在整个社交网络中,如何处理信息数据中的不确定性因素,并寻找一条时间最短且流量最大的信息传播路径对于一个决策者来说非常重要。因此,基于新的理论分析方法有效刻画社交网络中的不确定性因素,并在一定的约束条件下合理研究信息传播问题逐渐成为社交网络分析领域的一个研究热点。本文提出可信性社交网络分析方法,并用于处理社交网络中的信息传播问题。一方面,在可信性图的基础上,给出度中心性、紧密度中心性和δ-介数中心性三种中心性分析方法。另一方面,借助带有可信性分布的模糊变量刻画信息传播时间和流量,并基于期望值、风险值、条件风险值和期望绝对半偏差方法建立几类新的可信性社交网络信息传播模型。具体而言,根据决策者选取的目标准则和信息传播影响因素的不同,构建的四类模型为:带有可信性约束的信息传播期望值模型、可信性社交网络信息传播风险值模型、可信性社交网络信息传播条件风险值模型和可信性社交网络信息传播期望绝对半偏差模型。同时,针对不同模型的特点将可转化模型转化为等价线性规划模型;不能转化模型利用含有逼近方法、神经网络和遗传算法的混合智能算法进行求解。最后,给出可信性社交网络问题的数值算例验证提出的可信性优化模型和求解方法的可行性和有效性。本文的创新点主要有以下几个方面:(1)提出可信性图与网络概念及度中心性、紧密度中心性和δ-介数中心性三种新的中心性分析指标。(2)针对社交网络信息传播过程中的时间和流量建立两种新的带有可信性约束的信息传播期望值模型并进行了等价转化。(3)利用风险值、条件风险值和期望绝对半偏差风险评价方法分别建立几种新的带有可信性约束的社交网络信息传播风险模型并进行了等价转化。