近年来随着移动通信技术和通信网络的快速发展,大容量的智能移动终端设备在全球范围内的普及率越来越高,其广泛应用推动了分布式移动社交网络的诞生。然而,由于移动社交网络中社交关系拓扑结构的快速变化,使得移动社交网络中的路由变得比较困难。如何在短暂的社交关系拓扑图的基础上进行有效的数据传输是近年来的研究热点,也是本文要解决的问题。已提出的移动社交网络的路由算法主要分为两种：一种是基于多副本策略的,但是多副本浪费了不必要的网络资源；另一种采用基于网络结构的图论方法,没有考虑到移动社交网络的社交性这一本质属性。针对以上问题,本文提出了两种路由算法,即二元网络中基于社交属性的路由算法一HERS和加权网络中基于社交属性的路由算法—APPOW.本文首先分析了二元移动社交网络的特点,并将移动社交网络的社交属性与机器学习算法相结合,提出了二元网络中基于社交属性的路由算法—HERS.针对该算法,文中给出了移动社交网络的系统模型、二元社交网络的社交属性以及算法的伪码和具体实现过程。基于实际数据—Cambridge数据集和Infocom05数据集的实验结果表明,HERS算法能够使得消息高效地传输到目的地。无论是消息的传输成功率还是平均时延方面,相比经典的路由算法SimBet,HERS算法的性能有显著的改善。虽然HERS算法有助于信息实时高效地传输,但是HERS算法依然存在两点局限性。第一,HERS算法是建立在二元网络分析的基础之上的,但是现实生活中,大部分的网络都是加权网络；第二,本文采用常用的逻辑斯蒂回归方法来学习参数,但是该方法在成对比较的方法中并不是最优的。为了解决这两个问题,本文设计了路由算法—APPOW.APPOW算法使用链接排名、加权网络余弦相似度和联系强度来选择中继节点。APPOW比HERS的性能优越之处体现在三方面：首先,APPOW的系统模型采用的是加权网络结构,更接近现实；其次,APPOW算法提出了链接排名属性代表节点短时间内的一个排名,使得社交网络结构的边值从二值扩展到了实值,增加了算法的鲁棒性；最后,采用成对比较学习算法得出参数的值,使得算法从线下走到了线上。为了验证算法的有效性和优越性,本文在Eclipse平台上实现了APPOW算法,并与其他相关算法进行了对比分析,多次实验结果表明,该算法能够更有效地实现数据传输。综上所述,本文提出的两种路由算法—HERS和APPOW,相比之前的算法在性能方面有很大的优越性。与HERS算法相比,从理论分析到实验的整个过程中,APPOW算法都更高效、更实用。