社交网络改变了人们相互交流的方式,已成为信息传播的重要载体。随着智能移动设备的普及,越来越多的人们开始使用智能设备访问社交网络,随时随地进行信息交流,移动社交网络开始出现。然而移动社交网络在给人们带来巨大便利的同时,也导致了信息的爆炸式增长,给底层通信网络带来了巨大的挑战。研究表明,Device-to-Device(D2D)技术可以有效分流移动通信网络负载。研究D2D环境下的信息传播对于利用D2D技术应对移动通信网络面临的挑战具有重要意义。而影响力最大化是信息传播分析的重要内容之一,它通过寻找有限个影响力最大的节点以达到在最大范围传播信息的目的,这与D2D技术来分流移动通信网络负载密切相关。基于此,本文针对D2D移动社交网络中影响力最大化问题展开研究,研究内容包括:(1)针对D2D环境的特点,在影响力计算模型中引入了与用户活动相关的活跃度、紧密性等因素。并在影响力传播过程中加入无效节点剔除机制,提升传播性能。(2)针对影响力最大化中迭代计算带来的时间成本和传播效率问题,提出了一种约束的影响力计算模型。在有限范围内应用贪婪策略快速计算扩散影响力,筛选候选种子并对其进行重叠开销检测,根据检测的结果选取种子节点。(3)针对线性阈值模型中大量的迭代引起的性能问题进行了改进。在模型中加入了预判机制,根据邻居关系对影响力传播结果提前一步进行激活判定,加速了算法的收敛速度。