随着物联网的发展和5G网络的到来,越来越多的网络应用对于信息的时效性高度敏感。因此信息年龄作为一个新的性能指标被提出,用来衡量信息的新鲜度。而当前大部分关于信息更新的研究主要考虑了单源节点或无预算约束的信息更新问题。但在实际的场景中,多个源节点通常可以同时进行采样与更新操作,这些操作通常会消耗能源,因此源节点往往需要相应的报酬,而报酬的支付情况又受预算的约束。为了优化信息年龄,源节点应该频繁采样信息并及时更新,这与源节点和目的节点的资源都是有限的这一事实相矛盾。为了解决这一问题,本文考虑到目标节点的预算约束和源节点的有限采样/更新能力,研究了多源节点信息更新问题。并且,还分别研究了两种不同的采样模型,即预定采样模型和随意采样模型,本文的主要工作和研究成果如下:1.对于预定采样模型下的信息年龄最小化问题,本文假设源节点的采样时间是预先定义的,本文在考虑预算受限的情况下,建立了具体的数学模型,并证明了它是一个NP难问题。随后文中提出了一种贪心算法来选择合适的节点,并从理论上分析了该算法实现的信息年龄的上界。最后,通过进行仿真实验验证该算法有较好的性能。2.对于任意采样模型下的信息年龄最小化问题,本文假设源节点在更新周期内,可以在其最大采样次数内进行任意时刻的采样。是在前一个问题的基础上,设计一个可以任意采样的算法。本文从理论上推导了在给定的更新次数下可以达到的最小的信息年龄,在此基础上,又设计了一种优化的节点选择和更新时间确定机制,以达到最小信息年龄。最后,通过进行仿真实验验证该算法有较好的性能。