復雜拓撲中傳播現象的兩個重要問題是節點集的優化選擇，以最小化或最大化爆發的程度。當網絡中的一小部分節點可以用來實現所需的目標時，這兩個問題都是非常重要的。最小化問題等價于結構優化問題。“超級阻滯劑”，即應該從網絡中刪除以最小化爆發規模的節點，是那些使連接組件盡可能小的節點。“超級預告程序”是節點，如果選擇作為發起程序，它們將最大化爆發的平均規模。超級預制器的特性不僅取決于拓撲結構，還取決于所考慮的具體動力學。近年來，人們推測這兩個優化問題可能是等效的，即超級阻滯劑也可以作為超級擴散器。盡管其潛在的開創性的重要性，沒有進行實證研究來驗證這一推測。在本文中，我們對一大組現實網絡進行了廣泛的分析，以測試超級阻滯劑組和超級擴散器組之間的相似性。我們證明了這兩個優化問題是不等價的：超級攔截器不作為最優撒布器。

　　結構與功能之間的相互作用是近年來復雜網絡研究所吸引的興趣的核心。由無序交互模式介導的過程以非平凡的方式受底層圖的拓撲性質的影響。傳播現象是網絡上發生的最基本和研究過的動力學類型之一。在這種情況下，一個自然的問題，對實際應用有影響，是允許：給定一個網絡及其上的傳播動力學，我們如何識別n個“超級傳播者”集合，即n個頂點，這樣，如果所有這些頂點同時啟動傳播過程，那么傳播事件所達到的平均節點數是最大的？這個問題通常也被表示為“iNFluence最大化，“尤其是在計算機科學中，基本結果已經得到了推導。

　　一個同樣有趣和重要的問題是確定一組n個“超級阻滯劑”，即n個頂點，如果免疫，從而有效地從網絡中刪除，導致爆發的最小平均規模。由于只有在存在接觸的情況下才可能發生擴散，因此超級阻滯劑的識別等同于所謂的最佳滲透問題的解決方案，即識別要消除的最小節點集，以破壞網絡的巨大組件。超級攔截器有效地對應于節點，當刪除這些節點時，將網絡中最大連接組件的大小最小化。求解最優滲流問題是一個非常重要的問題，近幾個月來出現了許多有趣的結果。