移动社交网络,是一种结合了网络与节点社会特性的时延容忍网络。现有的时延容忍网络路由协议假设源节点和目标节点之间至少存在一条完整通信路径,已经无法适用于该新型网络。解决移动社交网络中内容分发问题的关键是在源节点和目标节点间不存在完整路径的情况下,如何将用户需要传输交换的数据传递给目标用户。目前,一些针对时延容忍网络的路由算法在一定程度上能够适用,但由于它们没有考虑网络中节点的社会特性,数据传输的效率比较低。最近几年,一些学者试图将节点的社会特性引入到算法的设计中,由此来提高路由的效率。但是这些算法几乎都没有考虑到网络中节点的自私性,以上种种原因限制了移动社交网络的应用。在此背景下,本文利用群体智能中的蚁群优化、粒子群优化等理论,结合移动社交网络的特点,提出了基于群体智能的移动社交网络路由算法。本文首先归纳出了移动社交网络的一般模型。在此基础上,我们充分利用节点的社会特性,结合蚁群优化算法设计出一个适用于移动社交网络的路由算法。该算法采用处理传输路径上节点信息的方法,得到节点对之间的信息列表,从而为其它节点发送数据时选择合适的中继节点提供有效信息;另外,针对蚁群算法容易陷入局部最优的缺陷,将粒子群算法引入到蚁群算法中去,让蚂蚁也具有粒子的特性;最后,基于网络中节点的自私性,我们提出基于声誉值的激励机制。通过综合节点自身愿意合作概率和其它的节点的声誉值来决定路由的下一跳,在这样的情况下,节点为了能获得其它节点的服务就必须参与合作来提高声誉值,因此该机制能够鼓励用户提高转发数据的概率,从而在一定程度上解决移动社交网络中用户的“自私性”问题。真实数据集上的仿真实验表明,相比于现有典型的DTN路由算法,本文提出的基于群体智能的移动社交网络路由算法可以有效地提高数据转发的性能,并通过基于声誉值的激励机制,有效地控制住了节点的自私行为,从而优化了网络环境,提高了移动网络用户的体验。本课题对移动社交网络的进一步发展具有积极意义。