随着云计算、移动设备和移动应用的迅速发展,移动社交云逐渐成为一门非常有潜力的技术。移动社交云是以协作为核心,以资源分享为主要目的来展开社会交互的移动应用平台,云成员之间存在着复杂的社会关系。因此,可以使用一种方法对云中的资源的进行组合,使得用户之间通过社会协作来完成单一设备难以完成的任务,同时移动云中的资源能够有效利用。本文根据移动社交云的社会性特征,基于多智能体理论和马尔科夫过程理论,提出了一种基于Q强化学习的协作策略,为移动云社交资源协作提供了一种解决方案,课题任务是研究如何尽可能有效地为云中的用户分配资源,并对移动社交云资源协作进行了仿真实现。社交网络中的拓扑关系通常基于真实世界关系,本课题通过利用这些社交关系的特征,使用户能够在社交网络环境通过学习和协作来共享资源。本论文提出了一种基于社交网络特性改进的Q学习算法作为用户的协作策略,并针对请求冲突提出了一种请求应答协调策略,然后进行了仿真实验。最后在协作效果上与一些文献中提出的算法的进行了对比,对比结果表明:本文提出的协作方法能够提升资源的利用效果。本文首先介绍了课题的研究背景、研究现状、研究任务和意义,然后从相关技术入手,重点介绍了多Agent强化学习理论和社交网络分析技术。然后结合课题任务背景,建立了基于小世界网络的移动社交云仿真模型,在此模型下进行了仿真实验,并对各种协作方式进行了对比。最后,总结了本次研究的缺点和不足,并对下一步工作进行了展望。