随着移动智能设备(如智能手机、PDA等)的大量普及,通过设备的移动带来机会式连接从而搭建起临时网络,使得在不具备通信基础设施的网络环境中设备间通信成为可能,但由于移动设备是以人为载体,不仅具有人的移动特性,而且还具有一定的社会性,从而催生了研究人员对移动社交网络(Mobile Social Networks, MSNs)的研究。这种新型的网络在车联网络、偏远地区信息传输、基于位置服务等领域有着巨大的应用潜力。在移动社交网络中,由于节点的移动性和间歇性连接,给信息传输带来极大挑战。然而,节点的移动规律恰好反映了设备携带者的移动模式,找到携带者的移动运动规律和相遇模式(如相遇频率,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,进行数据传输。因此,能否合理地设计移动模型以及路由算法恰当地选择下一跳节点进行信息转发成为重要的研究课题。本文首先介绍了移动社交网络的研究背景及意义、国内外研究现状、基本概念等,然后对现有的移动模型和经典的路由算法进行了总结分析,并阐述了当前移动模型和路由算法面临的主要问题。由于移动社交网络的特性,节点既有移动性,又具有复杂的社会性,在现有的移动模型的基础上,统计分析现实生活中人们运动情况和社会关系,提出了符合现实社会人们移动规律的移动模型——VSMM,它能够比较真实地反映人们的移动性以及彼此间的社会关系,并且能够预测节点的运动状态及位置,为路由算法的提出和仿真提供支持。此外,本文还基于大量统计数据分析节点间的关系以及节点的“小世界”区域特性,也就是说,在某一区域内节点间联系比较紧密,并结合VSMM移动模型中节点的位置信息以及状态转移,提出基于社区划分的移动社交网络路由算法——CBDR,该算法以相遇频率和相遇时长两个指标对节点关系进行分类,选择其中关系度较强的前L个节点构建社交关系列表进行信息传输,理论分析表明该算法能够提供可靠而高效的信息传输服务。为验证该路由算法的性能,我们将CBDR路由算法与其他移动社交网络路由算法进行比较,仿真结果表明本文提出的路由算法在传输成功率、跳数、平均时延等方面有很好的性能表现。