随着社会网的发展,越来越多的学者关注于对社会网的研究,社会网中的潜在关系与性质等待我们积极的去挖掘。在之前的许多研究中,人们对影响最大化问题以及影响最小化问题进行了深入的研究与讨论,但忽略了多信息传播中的影响力均衡问题。本文在现有研究的基础上,对社会网中在多信息传播条件下的影响力均衡问题进行了重点研究,主要包括以下三个方面:首先,考虑节点自身的随机性,研究了社会网中基于随机游走的影响力均衡问题。证明了无向图中的影响力均衡问题是一种特殊类型的马尔可夫链,并证明在该模型中存在平稳分布。考虑节点的自身的随机性,并通过随机游走的方式对影响力进行均衡,达到了均衡的目的。在多个真实数据集上的实验结果也表明了该算法的均衡有效性。其次,我们考虑节点受外界条件影响下的随机性,对社会网中基于熵的影响力均衡问题进行研究。通过熵的方法对均衡问题进行建模,由于节点的熵值越高其随机性越大,我们针对随机性较高的节点进行调度,以达到对影响力均衡的目的。同时对比基于随机游走的影响力均衡算法,基于熵的影响力均衡算法的均衡效果更为有效。对比影响最大化方法,以上两种均衡方法均能够避免用户关注度过于集中的现象,达到均衡影响力的目的。最后,本文在影响力均衡问题中考虑了时间因素。研究了社会网中基于时间的影响力均衡问题。社会网中,用户被激活后直至其采取相应的行动会存在一定的响应时间,而均衡时间的长短会直接影响均衡成本以及均衡效果,因此本部分在对多信息的影响力均衡过程中结合节点的平均响应时间,并根据排队理论,将各类信息模拟成不同的排队系统。在每个系统中节点以动态的方式进入和输出。并设计了基于时间的影响力均衡模型,给出了基于时间的影响力均衡算法。多个实验数据集上的实验结果表明该算法的有效性。