移动对等网络中的节点受自身资源的客观限制和主观意愿影响,常表现出一定的自私性,影响网络的整体性能。传统方法致力于通过信任模型和博弈论的相关知识降低节点的自私性,激励节点参与到网络活动,但很少考虑节点社交关系和自身环境对合作度的影响。本文另辟蹊径,允许节点存在一定的自私性,考虑节点之间的社交关系和节点的自身状态对合作度的影响,研究在一定的条件下,节点如何采取合作度参与网络活动。首先,建立社交关系模型。使用社交强度衡量社交关系的强弱。考虑了节点之间的相似性、交互关系和时间性等因素对社交强度的影响。通过节点之间的位置关系和速度的接近程度衡量节点之间的相似性,并使用欧氏距离计算节点之间位置的接近程度,余弦相似度计算节点之间速度的接近程度。通过转发行为和邻节点影响力衡量节点的交互关系,其中使用节点的转发率描述节点的转发行为,使用节点的邻节点个数描述邻节点的影响力。考虑历史社交强度等时间性因素把社交强度整理成时间观测序列,采用时间序列分析的方法计算节点之间的社交强度并应用到合作分析模型中。然后,建立节点合作分析模型。本文中节点的资源由能量、内存资源和CPU资源组成。首先对能量、内存和CPU量化划分出不同的等级,然后将这三个维度的不同等级进行组合,从而划分出节点的状态。节点效用由中间节点效用和端节点效用组成。中间节点效用由中间节点合作度、节点状态和社交关系决定,端节点效用由中间节点合作度决定。最后将求解合作分析模型转化为多目标优化问题,运用粒子群算法进行求解。最后,对合作分析模型进行了验证,并在NS2环境下与AODV协议和TQR协议进行对比。实验结果表明,节点的合作度受自身状态影响较大,考虑了社交关系的模型比未考虑社交关系的AODV和TQR协议获得更多的效用。