近年来,伴随着无线网络及智能终端技术的迅猛发展,移动互联网提供的服务越来越全面、体验越来越周到,并逐渐成为新型应用的主流平台。其中移动流媒体业务以简单、直观的特点吸引了大部分移动用户的使用。在流媒体业务中,带宽往往会成为业务体验好坏的关键,并影响着系统的可扩展性。而现在主流的智能手机都同时集成多种通信模块,如3G、WiFi、Bluetooth、Ad hoc等,为优化移动流媒体架构模式,增强系统吞吐量,为提升移动流媒体服务体验奠定硬件基础。为缓解传统基于B2D(Base-station-to-device)架构的移动流媒体系统所面临的基站资源瓶颈问题,近年来业界提出了一些D2D(Device-to-Device)及P2P融合的移动流媒体系统,移动手机通过3G网络下载部分流媒体数据,并利用Ad hoc通信协议连接到附近的MANET网络中,将下载的流媒体数据“共享”给网络中的所有用户。这种数据共享模式,满足了用户多样化的视频点播需求,有效降低了流媒体服务器的带宽压力,提高用户的观看体验。然而在MANET网络中,所有的用户节点借助多跳转发实现通信,这种多跳转发需要付出高额的通信成本。由于MANET在一个信号覆盖范围内只能单工通信,当数据块传递经过的中继节点越多,占用的通信时隙也就越多,会增加MANET网络的本地开销,影响网络中其他节点的通信质量,降低网络的可扩展性。因此,如何结合移动流媒体用户的拓扑相关信息,优化协同节点成为相关技术研究的主要热点。本文结合社交系统的相关理念和个性化推荐系统的相关技术,提出将部分兴趣度相似的用户聚合,形成覆盖网络,从而达到优化网络拓扑的目的。在覆盖网络中,兴趣度相近的邻居之间实现数据共享,避免过多的数据转发,优化本地网络性能。本文主要的工作成果有：(1) MANET网络中节点会自动缓存感兴趣视频内容,这对于MANET网络其他用户来说是一大财富。为了帮助用户从邻居节点中快速挖掘出自己感兴趣的视频,本文利用个性化推荐算法,将兴趣相似的一组节点组成覆盖网络。同一覆盖网络中的节点可以共享对方缓存中的视频,避免了从流媒体服务器获取数据,减轻了服务器的带宽压力,实现零流量点播。(2)由于MANET网络的多跳转发特性,导致用户节点在拓扑中的位置会影响数据共享的效率。所以本文设计了拓扑感知的推荐算法,该算法能综合权衡用户之间的兴趣相似度和用户节点之间的数据通信代价,推荐优质邻居节点,组成覆盖网络。有效降低覆盖网络内部通信量,维持良好的网络拓扑结构,提高MANET网络的可扩展性。(3)在移动场景下,用户的兴趣重心会随时间、场景的变化而变化,这是传统个性化推荐算法没有考虑到的。所以本文提出了时间感知的推荐优化技术,将用户兴趣随时间的变化趋势引入传统推荐算法中,从而保证在不同时间情境下,提供更适合场景的推荐结果,优化推荐结果的精确度。