随着数据处理技术、无线通信技术和智能计算技术的快速发展,无线多跳网络中的个体节点往往配备一些智能单元以实现灵敏感知、准确判断和决策以及迅速执行等自主功能。节点的这些智能自主功能赋予无线多跳网络可扩展、自组织、布网灵活等特性,使其在紧急救援、军事应用和个人通信等领域得到普遍关注和广泛应用。由于节点传输范围有限,无线多跳网中的长距离数据传输依赖于多节点合作转发。然而,基于可携带、移动性等考虑,自主节点一般依靠电池供电,受电量有限、内存小等限制。自主节点由于可用资源有限将本能地在无线多跳网络中展现出自私行为。具体地,节点只关注自己的利益且在没有任何激励的条件下不愿意以牺牲自己有限资源为代价为其他节点提供合作转发服务。在本文中,节点的这种自私行为被定义为节点自私性。节点自私性的出现会降低数据传输效率和网络吞吐量等,从而严重影响了整个系统的网络性能并制约了无线多跳网络的进一步发展。因此,如何有效应对网络中的节点自私性来降低自私性的负面影响并提高网络性能是目前研究的重点。本文从激励机制的构建、节点自私性的建模和管理出发,结合转发协议设计、资源分配等网络优化方案,全面处理无线多跳网络中的节点自私性。本文的主要工作及研究成果总结如下:1)首先,本文研究了存在潜在自私节点的移动社交网络(MSNs:MobileSocial Networks)中的自适应数据包转发机制。在移动社交网络中,由于不存在端到端的通信路径以及网络节点对全局信息的缺乏,转发策略(即是否转发或丢弃收到的数据包)和中继选择等数据传输决策主要是由个体节点依据数据包转发协议来实施。考虑到多跳移动社交网络中节点展现的多种自私行为,提出一个新型转发协议-激励共存的多副本数据包转发协议(ICMPF:Incentive Compatible Multiple-copy Packet Forwarding protocol)来提高数据包传输概率并减小数据包的转发冗余。由于协议里节点转发决策受其可用资源(例如带宽、位置隐私等)和网络环境(例如其他节点的转发行为、社会关系等)的影响,引入演化博弈框架来建模网络节点之间复杂的交互并指导节点的转发行为。在博弈框架里,通过引入复制动态(ReplicatorDynamic)描述节点转发行为的变化来分析节点的演化稳态策略(ESS:Evolutionary Stable Strategy)。随后,通过理论证明了节点转发策略动态收敛于演化稳态策略并提出一个分布式学习算法使节点不断更新自己的转发决策以到达演化稳态策略。仿真结果不仅验证了节点策略能够逐渐收敛到演化稳态策略而且展示了算法的抗扰动能力。2)针对节点自私性随其影响因子不断变化的问题,本文进一步研究了自私无线网络(SeWNs:Selfish Wireless Networks)中的动态数据传输。基于节点自私性的变化特征,本文提出虚拟接收自私性队列(v-RSQ:virtual Receiving Selfishness Queue)和虚拟转发自私性队列(v-FSQ:virtual Forwarding Selfishness Queue)来分别建模节点的动态接收自私性和转发自私性。而后,结合节点的虚拟接收自私性队列(v-RSQ)和虚拟转发自私性队列(v-FSQ)信息,提出两种动态速率分配机制在最大化网络效应函数的同时限制节点自私性的负面影响。仿真结果表明,两种分配机制都能够提高网络性能并有效抑制网络中的节点自私性(接收自私性和转发自私性)。3)本文结合动态流分配和中继策略自适应,在无线中继网中提出一个新的动态传输机制来提高数据传输效率。为了降低节点自私性的危害并提高网络性能,本文构建一个新颖的虚拟节点自私队列(VSQ:Virtual Selfishness Queue)来描述节点的动态自私特性,并依据构建的虚拟队列提出一个随机优化模型在网络稳定性和虚拟自私队列有界的约束下最大化平均网络吞吐量。随机优化问题通过李雅普诺夫(Lyapunov)优化被进一步分解为两个子问题,源节点的流速率分配问题和自主中继节点的中继策略自适应问题。而后,提出一个联合流分配和中继策略自适应算法(JRRA:Joint flow Rate allocation and Relaying strategy Adaption)来解这两个子问题。该算法只依据当前的网络状态信息动态地分配流速率和更新中继策略。最后,通过理论分析给出网络吞吐量和平均数据传输时延之间的一个均衡。仿真结果证明了提出机制的有效性。4)考虑到节点自私性的连续变化,本文接下来研究存在自私节点的无线网络中的动态流分配和中继策略自适应机制。首先,依据激励机制提出一个随机微分方程(SDE:Stochastic Differential Equation)来描述节点自私性在节点剩余能量和激励影响下的连续动态特性。然后,构建一个随机优化模型来最大化平均网络效用并界定节点自私性,而且依据连续时间李亚普诺夫优化理论提出一个动态流速率分配和转发策略更新(DRAF:Dynamic flow Rate Allocation and Forwarding strategy)算法来应对随机网络状态。与传统优化算法相比,DRAF算法降低了算法的迭代复杂度却引入了追踪误差。在定量分析DRAF算法产生的误差后,通过给DRAF算法添加补偿项设计出一种新的改进算法-自适应补偿流速率分配和转发策略更新(ACRAF:Adaptive-Compensation flow Rate Allocation and Forwarding strategy update)算法。改进后的ACRAF算法在网络状态发生变化时只迭代一次,大大减小了算法的迭代开销。最后,通过理论分析给出ACRAF算法精确追踪移动均衡点的充分条件。仿真结果证实了改进后的算法能很好地追踪到理论最优值动态而且迭代开销很小。