近年来,随着信息技术的迅猛发展,信息资源极大丰富,如何在动态的P2P网络环境中对海量数据进行查找引起了很大的关注。Top-k查询就是从数量巨大的信息中选择最符合查询条件的k个结果呈现给用户,Top-k查询作为一种新的查询技术引起了学术界广泛的关注,主要包括聚合式top-k查询和非聚合式top-k查询两种。然而现有的聚合式top-k查询算法只按照分值标准选择合适的对象返回给查询节点,相同的阈值标准没有考虑到节点数据分布情况,非聚合式top-k查询算法只能排除非法节点,不能排除有效节点中的非法对象。针对聚合式top-k查询的缺陷,本论文提出了一种基于P2P网络的混合非一致阈值聚合top-k搜索算法HNUTA(hybrid non-uniform threshold algorithm),HNUTA结合位置选择标准和分值选择标准,通过对每个节点重新定义阈值,并且对每个对象估计极大值和极小值,通过比较当前top-k和候选集中对象的极大值,除去候选集中的非法对象,达到减少非法对象传输的效果。针对非聚合式top-k查询,提出了一种依托于超级立方体骨干P2P网络的控制答复数量top-k算法CRNTop-k(control reply number top-k),该算法利用向量空间模型在本地查询top-k,然后在父节点上合并结果,通过控制查询答复数量的方式来减少带宽消耗。最终通过实验评估和性能分析表明本论文提出的算法在网络带宽消耗和查询响应时间方面要优于其他同类方法。