论文针对非结构化P2P网络中的信息检索问题,在系统地分析了现有关键技术及存在不足的基础上,提出了一种基于移动Agent的新型非结构化P2P信息检索模型。该模型充分利用移动Agent的高度自治性和异构性,避免了传统消息机制检索模型过多的网络连接和应答;同时将词汇链表示引入P2P信息检索,并强化信息推荐对改善蚁群算法信息素的作用,分别用基于信息推荐的蚁群算法和自适应扩散混合变异机制粒子群算法选择P2P查询路由。这些研究内容是非结构化P2P网络中的研究重点,具有重要的理论意义和实际应用价值。论文的主要研究工作及创新点如下:(1)提出了一种基于移动Agent的新型非结构化P2P信息检索模型。传统非结构化P2P信息检索模型普遍采用消息机制进行信息查询,这种机制要求发送者与接收者之间始终保持连接直到产生应答为止,对网络性能要求较高,不利于降低对网络带宽的占用。为克服传统模型的缺陷,本文充分利用移动Agent的高度自主性和异构性,提出了一种基于移动Agent的新型非结构化P2P信息检索模型,避免了传统消息机制检索模型过多的网络连接和应答。(2)提出了基于词汇链的非结构化P2P信息检索方法,实现了非结构化P2P环境下的语义检索。在信息检索的文本表示中,充分利用《WordNet》等义类词典,构建词汇链向量表示替代传统关键词向量表示,提出了词汇链的量化方法,解决了一词多义及一义多词问题,能较好处理词汇的相关性,提高了主题表达能力。同时,为更准确地获取用户的查询需求,提出了基于进化算法的词汇链查询模板学习算法。仿真实验结果表明:信息检索中采用词汇链表示,不仅在传统非结构化P2P网络上实现了语义检索和不同粒度的信息检索,而且提高了检索的准确率。(3)提出了基于信息推荐的改进蚁群算法,增强了查询路由算法对各节点拥有信息的掌握,克服了传统查询路由算法的盲目性。由于在非结构化P2P网络中选择路由类似于蚁群觅食的过程,因此,蚁群算法非常适合用于选择P2P路由。为更好地掌握各节点的信息,文中将信息推荐技术应用于更新蚁群算法的信息素,改变了传统的P2P网络仅仅依靠查询历史来更新信息素的方法,这样做,不但可以加快本次信息查询,而且还能在推荐过程经过的Peer节点上留下更多有用信息,有利于克服传统查询路由算法的盲目性。仿真实验结果表明:基于信息推荐的改进蚁群算法对查询算法的成功率、查全率及带宽占用率都有一定程度的改善。(4)提出了自适应扩散混合变异机制的改进粒子群算法InformPSO,从理论和仿真实验上验证了该算法的有效性,并将其应用到非结构化P2P网络的查询路由优化中,提高了查询的准确性。在我们提出的检索算法运行初期,首先使用蚁群算法进行路由选择,收集并掌握以当前节点为中心的受限P2P网络内各节点的情况。然后充分利用了当前节点掌握的其它节点信息,并将P2P网络的查询路由看成最短路径问题,借助于改进的PSO算法寻找最短路径的方式来确定下一步的查询方向。仿真实验结果表明:我们提出的改进PSO算法与第五章的蚁群算法相比,在查询成功率、查询速度和带宽占用率方面都有所改善。总之,在改进传统非结构化P2P网络信息检索的查询机制、实现语义检索及查询路由方面,本文首先提出了一种基于移动Agent的新型非结构化P2P信息检索模型,并通过引入词汇链实现语义检索,采用基于主动信息推荐的改进蚁群算法和改进粒子群算法来选择路由。仿真实验结果表明:这些方法提高了检索速度,避免了路由选择的盲目性,具有很好的实际应用价值。