圖論與復雜網絡的根本區別在於后者不僅研究網絡的靜態結構，而且還關注網絡的動力學特性。接下來討論五種動態過程：隨機游走、惰性隨機游走、自避行走、游客漫步和流行病傳播。還有一些其他的動力學過程，如信息傳播，規則網絡和復雜網絡上的滲流和振盪器（節點）同步。（參考書籍：基於復雜網絡的機器學習方法）
1.隨機游走
隨機游走是一系列由連續隨機步組成的軌跡的數學表示。圖上的每個離散馬爾科夫鏈可以被認為是隨機游走。離散馬爾科夫鏈是隨機過程，其未來狀態在條件上獨立於過去的狀態，因此只要知道當前狀態即可。
從狀態（節點）q到u的轉移概率：q到u的邊權重越大，就越有可能在兩點之間產生轉移。
轉移矩陣完全表征了馬爾科夫過程。
在隨機游走過程中，采用傳代時間函數來計算給定節點被訪問的次數。
勢能矩陣：表示當我們從任何給定的其他節點開始，每個節點被訪問的預期次數。
這里僅存在兩種狀態：循環狀態和過渡狀態。此種情況下，如果j不是周期性的，那么它一定是短暫性的。
2.惰性隨機游走：解決周期性問題
3.自避行走：網絡上的節點僅被訪問一次。
4.游客漫步：遵循一個確定性規則。
5.流行病傳播
流行病傳播屬於網絡動力學過程，大家主要關心的是網絡結構如何減弱或放大疾病傳播。疫情的擴展可能與半監督學習中的數據標簽傳播直接相關。
流行病模型應用最廣泛的是SIR和SIS模型。
SIR模型，每個人都有三種狀態：易感染，感染，恢復。SIR模型的動力學過程可以描述為：
其中，x,y,z分別為全部群體中易感染者、感染者和免疫者所占的比例。
SIS模型：與SIR模型的區別是，在SIS模型中，感染者在恢復之后可能會再次回到易感染狀態。SIS模型的動力學過程定義為：
