随着智能移动设备在日常生活中的广泛使用,人们携带这些设备组成的移动社会网络越来越受到学术界和工业界的关注。目前的智能移动设备一般集成了多种传感器,能够感知并获取网络内部和外部的上下文信息,从而为上下文认知计算带来了前所未有的机遇。移动设备通常由人携带,使得设备与人之间的关系越来越密切。人们之间的社会关系及其移动行为被称为社会上下文,社会上下文在一定程度上反映了移动节点的某些特征,显著地影响着网络节点的移动模式。因此,在移动社会网络中,利用上下文信息,特别是社会上下文信息来指导网络协议的设计逐渐成为当前研究的热点领域。移动社会网络通常呈现分布式、资源受限、间歇性连通等特征,使得高效智能的路由协议设计成为当前研究的难点问题。节点的能量受限严重影响着网络的性能,而通过收集和利用网络中与能量相关的上下文信息,可以有效提高网络节点的能量使用效率,延长网络的生存时间。在节点稀疏的移动社会网络中,节点经常处于间歇式连通模式,点对点的通信难以得到保证。网络节点之间的数据传输主要依靠节点之间偶然的相遇机会,并采用“存储-携带-转发”的合作方式实现,那么,预测节点之间的相遇机会成为影响该类网络中数据传输的关键因素,而节点携带者的社会上下文信息隐含了网络节点的接触规律和移动模式,对解决路由问题提供了新的思路。本文对分布式移动社会网络中的路由问题展开了深入细致的研究,以多学科交叉理念和相关理论知识为基础,采用社会网络分析法、机器学习、上下文认知计算等方法,研究不同网络应用场景下基于上下文认知的数据转发策略和路由算法。本文的研究能促进分布式移动社会网络路由的效率与智能化,并为以人为中心的智能网络和普适计算的研究提供理论参考和技术支持。本文的主要研究内容和贡献为：(1)节约能量是移动社会网络研究的重要内容之一,然而节约能量常常会导致网络性能的下降,实现能量效率与网络性能之间的平衡存在着一定的困难,针对这一难题提出了基于上下文认知的跨层节能路由机制CAER。该路由机制采用跨层设计的思想,综合利用应用层用户的偏好以及应用程序特征、网络层的拓扑信息和数据链路层信号强度等上下文信息,设计跨层信息共享的路由决策机制,在保证路由协议性能的情况下,尽可能提高网络能量的使用效率。仿真结果表明,与一些经典路由协议相比,该路由算法能有效提高网络的能量使用效率和网络生存时间,减少网络的时延开销。(2)在节点稀疏的分布式移动社会网络中,节点之间经常不存在端到端的通路,充分利用多种上下文信息,本文提出了一种多维度上下文匹配的数据转发策略MCMF。消息携带者节点首先获得它在当前时刻的邻居节点集,然后在邻居节点集中通过社会相似性匹配,获得用于数据转发的候选节点集,接着利用马尔可夫预测方法在候选节点集中寻找最优中继节点,最后设计高效的数据转发策略。利用多种真实移动数据集进行仿真实验表明,该方法能获得稳定的优势和较好的数据转发性能。(3)移动社会网络是一个社会关系的集合,节点的社会关系与社会活动深刻地影响着节点的移动模式。利用人们的日常行为规律和相遇模式,提出了一种基于社会上下文信息预测的机会路由算法SCOR。该算法能够利用网络中的社会上下文信息,采用BP神经网络模型预测节点的移动行为,路由决策过程充分考虑移动节点活动的时间和空间属性,当接收节点与发送节点同时处于网络中同一连通域时,数据转发采用同步方式,否则采用异步方式。仿真结果和实验分析表明,与Epidemic、PROPHET和dLife算法相比,基于社会上下文认知的路由算法提高了数据成功转发的比率,减少了网络的开销。