随着便携式设备(手机、PAD、笔记本等)的发展和普及以及短距离通信技术的成熟应用,越来越多的人通过移动设备自发地组织成非连续的、延迟容忍的无线自组织网络,这种特殊的自组织网络又被称为移动社交网络(Mobile Social Networking)。在移动社交网络中,相似兴趣的用户会聚集在一起形成社区,节点之间不依赖外部基础设施,通过彼此间的机会接触,以端到端的形式共享信息。由于移动社交网络自组织无中心性所带来的抗毁性强等优势,使得移动社交网络下的资源共享具有广泛的应用前景。然而,在它所带来的巨大优势背后,其拓扑结构频繁变化、宽带受限、机会接触等特点使得资源发现面临着众多的考验,传统的在线社交网络下的资源发现已经不再适用于移动社交网络。目前仅有的几类移动社交网络资源发现方法大都是借鉴在线社交网络中的资源发现思想,建立在对节点之间的逻辑关系分析基础之上,更多地集中在物理社会网络与其逻辑覆盖网络的映射,较少关注物理社会网络本身特性。但是由于移动社交网络本身的组网特点,使得移动社交网络下节点之间的逻辑关系与底层物理连接都将成为影响资源发现效率的关键因素。协同节点之间的兴趣特征与行为规律,在以兴趣为主导的资源搜索过程中同时保证节点之间的底层物理连接,对进一步提高资源发现效率具有重要意义。因此,本文针对移动社交网络中的资源发现问题,重点研究了节点之间在时间、空间、社会关系上的行为规律,并以此设计了一种基于兴趣和行为预测的移动社交网络资源发现机制。本文的主要研究内容可概括为以下五点:(1)总结了现有各类社交网络下的资源发现方法,包括方法原理和优缺点,详细讨论了各类方法中的关键技术;(2)针对移动社交网络数据集,从时间、空间、社会关系三个方面进行重点分析,获得用户节点的行为特征,挖掘移动社交网络中节点的行为对资源发现效率的影响;(3)利用分析的节点行为特征建立一个有效的隐马尔科夫模型,设计一种基于时空关联的社区构建方法,对节点进行有效聚类;(4)针对网络中共享兴趣与未共享兴趣的两类节点,设计基于节点兴趣与基于节点行为的两种资源搜索方法,保证资源搜索效率、降低平均时延与通信开销;(5)通过分析节点的行为特征,对节点移动与局部社区迁移变化建立马尔科夫预测,实现辅助搜索决策与虚拟社区维护,进一步提高资源搜索效率,降低平均时延与通信开销;本文提出的资源发现机制在随机网络仿真器(ONE)上得以实现,实验从模拟场景与真实数据集两方面展开,从资源发现成功率,传输时延,通信开销方面对资源发现机制的综合性能进行了评估。实验结果表明,所提出的方法与同类方法相比,具有较高的资源发现成功率、较低的平均时延和通信开销。