自然疫源性疾病(简称疫病)是威胁人类健康的严重问题,疫病对人类身体的危害显而易见。此外,疫病所具有的传染性可能引起社会的恐慌,同时更需要花费巨大的人力、物力和财力来预防、控制和治疗疫病。由于疫病传播问题的研究不能在真实世界中进行实验,所以计算机仿真就成为研究病毒传播模型的可行方法。本文研究了前人建立的传统疫病传播仿真模型,发现其并不能很好的描述现实情况。鉴于以上原因,本文从网络环境、网络个体、病毒传播动力这三方面提出改进措施,然后通过计算机仿真技术来镜像真实世界中疫病传播情况,并将其与GIS集成。在此基础上,通过对仿真结果的分析来预测传染病发展趋势,为制定公共卫生措施提供决策支持。为了在实验中尽可能贴合真实的世界,研究了复杂网络疫病传播的建模方法。通过网络特征量来检验不同网络与真实网络之间的异同。通过实验发现:规则网络、ER网络和BA网络都与真实网络存在着较大差异。WS网络虽然同时具备小世界和高聚类系数双特性,但其传递信息量大,容错率较低,尤其是在分布式环境下,与实际应用有较大距离。基于此原因,提出了航通的小世界网络模型,使信息的交换量限制在2.5()2数量级上,同时搜索失败率降低到10%以下。通过研究疫病传播的数学模型和人工免疫对疫病传播的影响,来模拟真实世界中疫病的传播及其传播阻力。通过分析发现SIS、SIR、SIRS模型都与真实世界中疫病传播情况不符,于是以这三种数学模型为理论基础,提出了SIRSD疫病传播模型数学模型。在此基础上,将SIRSD模型和人工免疫应用到改进的小世界网络中进行仿真实验,证实了SIRSD模型相比传统数学模型的优越性,以及加入人工免疫修正后,疫病的传播情况的仿真更具真实性。为了在仿真中表现出不同个体(Agent)的差异性,研究了Agent的形式化描述,发现难以在计算机中以数值的方式来表示,也就无法将这些概念进行量化。于是提出了基于FCM的Agent模型,以支持Agent对疫情认知的知识表示,通过该模型可以很好地模拟不同人的推理过程和规避疫病的决策过程。基于前面的研究,设计并实现了一个基于复杂网络的疫病传播仿真系统。在此基础上模拟了SARS疫病传播仿真实例,对仿真结果进行分析之后,给出了控制SARS传播的公共卫生建议。