机会网络(Opportunistic Networks)通过具备短距离通信能力的移动设备之间的移动接触机会传递消息,能够在没有任何通信设施的环境中自由组网,完成消息的传输。随着智能手机、PDA、平板电脑、笔记本传感器等移动设备的不断发展和普及,这些具备短距离通信能力(如：Wi-Fi、Bluetooth、Cellular、 Zigbee等)的移动设备组成了一个潜在的机会网络通信环境,使得针对机会网络的相关应用成为研究热门。在这种网络环境中,移动设备的移动规律恰好反映了设备携带者的移动模式,利用找到携带者的移动行为规则和接触模式(如：相遇频率,平均接触时间等)就能在彼此分离的设备之间找到一条潜在的通信链路,同时用于预测节点在未来的接触。本文结合复杂网络和社会学的相关理论,通过分析现实节点的追踪数据,针对机会网络的应用环境与需求,分别设计了：基于重叠社团的机会网络社团划分算法、基于重叠社团的机会网络路由算法和基于社会聚集的移动模型。其中,机会网络社团划分算法通过一种改进的K-means和二次划分算法,来获取机会网络节点的重叠社团结构和子社团的活动模式。基于重叠社团的路由算法——Time Routing,能够在降低网络资源消耗的同时,提升消息的传输成功率。而基于社会聚集的移动模型,构建了一套灵活的建模机制,对现实节点行为进行模拟,用于机会网络仿真。然后,通过ONE模拟器上部署以上算法和模型,以及仿真实验验证了算法和模型的有效性、准确性和灵活性。