ソーシャルネットワークやウイルス伝播、情報拡散などの現象を理解する上で、ネットワーク上でどのようにして影響が広がるかを分析することは極めて重要です。影響最大化問題とは、限られたリソースの中で、ネットワーク全体への影響を最大限に広げるために、どのノード（人物やアカウント）を初期的に選択すべきかを決定する課題です。この研究は、特に有向非巡回グラフ（DAG）という特殊な構造を持つネットワークにおいて、この問題を解くためのアルゴリズムと理論的な計算複雑性を扱っています。 有向非巡回グラフは、閉路が存在しない有向グラフの一種で、依存関係の表現や因果関係の分析に適した構造です。一般的なグラフと比べて、DAGは特定の制約を持つため、より効率的なアルゴリズム設計が可能になる可能性があります。影響最大化問題は一般的には計算が困難な問題（NP困難）とされていますが、DAGという制限された構造の下では、近似アルゴリズムやヒューリスティック手法がより良いパフォーマンスを発揮するかもしれません。 この研究は、DAG上での影響最大化に特化したアルゴリズムの開発と、それらがどの程度の計算複雑性を持つのかを明らかにすることを目的としています。結果として得られた知見は、マーケティング戦略の最適化、疫学的予防戦略の設計、ソーシャルメディアの運用効率化など、実世界の様々な応用に貢献する可能性があります。