图是一种能够将结构化数据抽象成节点和边的概念工具。目前图在各领域中都得到了广泛的应用,如生物图谱、计算机通讯网络以及社交网络等。基于人脑强大的视觉处理能力,将图进行可视化表达能够加深用户对于数据的理解。而在众多图的表达形式中,节点-链接图最具普适性。根据面向任务类型或使用数据特性的不同,节点-链接图的布局形式也发展出了各种类型的布局算法。然而在网络占据人们生活比重日益增长的今天,这些布局算法都面临着一个共同的问题:如何处理大规模且带有时序性的数据。目前已有相当数量的工作用于解决大规模图布局问题,或动态图布局问题,而这其中却鲜有能够同时应对大规模且带有时序性数据的算法。另外,针对不同领域的图布局任务,在处理大规模数据的同时,还因为其目标的不同而需要相应合适的表现形式。由此,本文的主要贡献在于提出了一个图布局算法以应对大规模且带有时序性的数据。该算法适用于多连通分量、高内聚低耦合类型结构的图,能够适应较大规模的数据,且在数据动态变化时能够在较短时间内完成布局且保持图的大体结构稳定。此外,针对三个不同领域的数据,本文设计采用了不同表现形式的图布局算法,用以应对各自的任务。在形式化验证流图任务中,层次形态的图布局算法被设计用于表现系统的状态转移图以及状态空间的比较过程。在网络态势分析任务中,并置形态的布局算法被设计用于表现并比较不同时间段内数据包流量在不同层次协议上的分布。在探索伪基站分布任务中,桑基图被用于展现伪基站与垃圾短信的分布规律。总体而言,本文主要解决了大规模时序数据的布局问题,以及三个不同领域中对于特定任务的图可视化问题。