21世纪的人类进入了以网络为核心的信息时代。移动网络以其泛在、便捷、智能的突出特点和优势,已成为人们学习、工作、生活离不开的新空间和经济社会发展最具生机活力的新领域。随着人们对移动服务质量的要求日益增高、对隐私保护和安全风险的担忧日益加深,针对移动网络运行中客观存在的资源有限性、网络参与者的个体自利性、提升网络性能与数据隐私保护的矛盾性等特征,深入研究创新移动网络的机制设计、优化移动网络的整体效用显得愈发重要。而移动网络规模的不断扩张,网络外部性效应——即网络中个体效用受网络其他参与者的影响越来越凸显出来,引起了广泛的关注。研究者们针对移动网络中的性能效用优化及机制设计研究仍存有多方面不足。比如:在解决网络中效用优化的问题时缺乏从网络外部性角度的深入分析和讨论;对于优化网络性能与用户隐私保护之间权衡的考量与刻画不够充分;现有激励机制设计中对于独立个体在交互中的策略性行为假设过于理想使实际效果存在明显局限等。本文在国内外相关问题现有研究的基础上,围绕提升移动网络运行中的主体效用,以网络外部性为重要视角,对移动网络中群智感知、频谱共享、数据服务三个基本场景中的网络效用优化问题进行了基础理论层面的研究,相应提出了保隐私激励机制、保隐私频谱共享机制、数据定价机制的方案及协议算法。本文的研究成果丰富了移动网络效用优化理论,对移动网络机制设计实践具有指导意义。本文的主要工作和贡献及创新之处有:1.围绕基于单重网络外部性影响的隐私保护下移动群智感知系统平台成本最小化目标,针对群智感知系统平台数据采集与移动用户隐私数据保护之间事实上存在的利益关系矛盾,提出了用于移动群智感知中隐私数据聚合的拍卖框架。首先,鉴于移动用户的感知能力和提供数据的隐私成本存在的差异性,本文设计了用于隐私保护的数据噪声分布和本地差分隐私加噪方案,使得数据聚合结果达到准确性指标。其次,本文揭示了该数据加噪方案下用户间所存在的负网络外部性效应,并根据用户对于隐私保护级别的偏好分成“消极隐私保护”和“积极隐私保护”两种情形进行问题的建模与求解。第三,基于隐藏的平台成本优化问题单调性特性,本文分别针对两种情形设计了具有诚实性、个体合理性,计算高效性的激励机制(DPDA和EDPDA),使感知平台可以在满足对于聚合结果准确性要求的条件下以近似最优的成本购得用户的数据。最后,本文通过理论分析结合充分的仿真实验验证了所提方案的可行性,表明可以有效权衡群智感知系统平台采集数据与移动用户隐私保护的“两难”问题。2.围绕基于双重网络外部性影响的隐私保护下频谱共享网络吞吐量最大化目标,提出了一种分布式信道选择接入机制。首先,针对基于接收信号强度(RSS)的位置隐私攻击,本文提出了一种信号传输功率扰动的方案以降低隐私攻击的有效性。其次,揭示了移动用户在频谱共享决策制定中同时考虑了其在地理位置上和社交联系上与其他用户的耦合关系。这两层耦合关系分别决定了其所受周围用户的信号干扰影响(负网络外部性)以及其所受其他用户的社交效应(正网络外部性)。第三,本文使用社交群体效用刻画了用户在两种网络外部性影响作用下所获得的实际效用,将隐私保护下次级用户的频谱共享问题建模成一个社交群体效用最大化(SGUM)博弈。第四,针对采用的博弈模型本文设计了一个基于无悔学习规则的双时间尺度分布式学习算法,并证明其可以收敛至博弈的相关均衡集合。数值仿真结果证实所提出的算法的有效性。3.围绕双重网络外部性的竞争性市场中数据服务提供商收益最大化目标,提出了基于两阶段斯塔克伯格博弈的数据定价机制。首先,揭示了该场景中存在的双重网络外部性效应,即移动用户的数据消费行为同时受到两方面因素的影响:社交效应(正网络外部性)和拥塞效应(负网络外部性)。其次,将移动用户和服务提供商之间的策略互动,设计为一个由第一阶段的提供商博弈和第二阶段的用户博弈组成的两阶段的斯塔伯尔格博弈模型。针对用户博弈,本文刻画了均衡解的特征并建立了它的唯一性。对于提供商博弈,分析表明,对于提供商行为理性的情形以及提供商行为有限理性的情形,混合策略均衡解均是有保证的。进一步,本文提出了一种分布式学习算法,用于寻求提供商博弈的混合策略均衡解。最后,数值仿真结果对于正网络外部性和负网络外部性是如何影响系统性能的提供了见解,并验证了提供商有限理性行为对其收益所产生的影响。4.探索技术与经济相结合的研究方法,创新性地从网络外部性效应的视角研究移动网络的效用优化问题。本文选择三个相对独立的移动网络场景,分别揭示了其中带有规律性的网络外部性影响,并针对性提出了网络效用优化方案。结果表明,深刻认识和准确把握移动网络的网络外部性特征,对于增强机制设计的可行性、提升效用优化的科学性是很必要的甚至是不可或缺的。同时,本文的工作也是对网络经济理论研究的延伸和丰富,本文所运用的博弈论与机制设计的理论工具,一方面对相关领域的前沿技术与成熟理论模型进行了结合,另一反面也注重了其在移动网络领域的实际适用性。本文分析揭示了三个代表性移动网络场景中存在的网络外部性影响,并针对性地提出了有效的网络性能优化机制。同时,本文关注了移动网络中的潜在隐私泄露隐患,研究了隐私保护与性能优化之间的权衡。本文的研究成果可以为真实移动网络场景中(例如工业物联网频谱接入、基于群智感知的个人健康数据采集等)的性能优化设计提供一定的借鉴。