工作记忆（working memory）是指个体在执行认知任务中,对信息暂时储存与操作的能力,工作记忆的缺陷也会导致一些精神疾病（如精神分裂症）和神经退行性疾病（如阿尔茨海默病）的产生。近年来,随着脑机接口领域的高速发展,基于脑电信号的工作记忆研究也越来越成熟。本文基于不同工作记忆状态下的脑网络进行了社区结构研究和节点重要性分析,并在此基础上提出了一套能够实现对不同工作记忆任务和被试进行自适应调制的经颅电刺激范式,有效的提升了被试的工作记忆能力。首先,为了诱发工作记忆状态,研究设计了一套新的实验范式,通过记忆词组来诱发单词工作记忆。为了维持控制变量,防止不同被试语言基础的高低会对实验结果造成影响,本实验特意选取了一门所有被试均未接触过的外语。在将脑电信号进行预处理后,本研究对其进行了频谱分析,发现theta频段下的前额叶以及beta和gamma频段下的左前额叶的频谱功率会随着工作任务难度的增加而上升。为了进一步研究工作记忆的运行机制,我们根据通道间的相位锁定值构建了特征频段的功能脑网络,并提出了一种满足自然选择的自适应免疫遗传社区结构检测算法。该研究发现脑网络社区结构的稳定性会随着工作记忆任务的复杂度而升高,且重要节点在社区间沟通交流发挥着巨大的作用。为此我们提出了K阶传播数算法来计算脑网络的节点重要性。该算法以传染病模型为基础,设定每一个节点为传染源,通过对比传染源在K步内感染节点的数量来衡量节点重要性,K从小到大变化可以反映复杂网络局部和全局的网络特性,达到多尺度研究复杂网络的目的,弥补了传统结构熵的不足。该算法结果显示脑网络的节点重要性特征与工作记忆状态息息相关,通过将不同工作记忆状态下的节点重要性序列作为支持向量机（SVM）的特征向量进行状态分类,最高分类准确率可以达到92%。最后,我们参照节点重要性特征与工作记忆的紧密联系,设计了一套自适应的经颅电刺激实验范式,通过控制变量实验,研究发现相较于前人的刺激范式,新确立的刺激范式对工作记忆的提升效果更加显著。