本文系统地研究了有线和无线两类对等网络计算环境中,结点用户兴趣和运动特性对于网络拓扑和系统性能的影响.提出了在无线对等网络中使用相似运动特征组算法捕获移动结点运动规律,根据结点运动特征不同对移动网络进行分组,形成网络连接相对稳定的移动组群;同时提出基于概率树模型对用户兴趣建模,使用相似兴趣特征组算法根据结点的兴趣不同,对网络进行分组,形成兴趣子网.本文主要工作和贡献在于:1.在非结构化对等网络中提出了相似特征模型,根据结点的兴趣或运动特征的相似度不同划分网络.该模型将具有相似特征的结点聚合成组群,使得同组内部保持网络拓扑的相对稳定;在相似兴趣特征组内,由于结点间具有相似的兴趣,使得结点的资源定位最大程度在同组内部得到满足,降低系统整体通信量.2.全分布对等网络中没有集中服务器,结点很难获得系统全局相似特征信息.针对该问题,参考社会模型中基于邻居或熟人推荐方式获得全局知识的过程,本文在相似特征模型的基础上提出了一种对等结点协作学习机制,实现了对等结点在付出较低通信开销代价下,快速获取全局相似特征信息,并给出了协作学习机制的分布式实现算法,以及算法复杂度和通信开销分析,通过仿真实验验证了算法的有效性.3.针对现有对于移动对等网络中结点组群运动特征研究的不足,提出了使用相似运动特征组模型捕获移动网络中结点组群运动规律的方法.根据移动结点的运动特征对结点进行有效地分组,使得同组内结点之间保持相对较高的网络拓扑结构稳定,提高了对等应用的性能.4.在移动对等流媒体系统中,提出了分布式差分相似运动特征组媒体传输控制算法.该算法利用对等网络系统特有的服务能力自增长特性,使媒体服务结点优先响应本运动特征组内高输出带宽的结点所提出的服务请求,快速放大整个Ad hoc网络传输流媒体能力.实验结果表明该算法可以获得很好的流媒体传输效率以及系统媒体服务快速增长能力.5.针对全分布对等网络中使用"洪泛"算法进行资源定位从而导致系统扩展性差的问题,提出了在对等网络重叠层 (Overlay Network) 上建立兴趣子网机制.使用具有层次结构的概率树模型对用户兴趣进行建模,根据结点的兴趣形成相似兴趣结点组群,构成兴趣子网.结点优先在本兴趣子网内进行资源定位,有效地减少了使用广播扩散方式进行资源定位,提高了系统的扩展性和资源定位效率.