随着移动通信技术和计算机网络技术的不断发展和广泛应用,在不久的将来,移动计算机可以在任何时间、地点接入各类网络,以获取所需的数据信息,这种特殊的分布式计算环境被称为移动计算。移动计算技术是对未来最有影响的技术之一,它已成为一个新兴的热点研究领域。 在移动计算中,预测移动用户的位置,并根据位置设计合理高效的移动性管理策略,是移动计算中最具有挑战性的问题之一。如何有效地预测移动用户的位置,是实现基于预测位置的移动性管理的关键。另一方面,在移动计算环境中,移动决策问题对于移动用户来说是至关重要的。移动用户如何根据网络的通信质量和道路情况选择一条到达目标的最优移动路径,是移动决策问题中的一个重要部分。 本课题主要以国家自然科学基金资助项目(70271001)—移动决策理论与移动决策支持系统研究作为研究的背景,首先提出了两种用于进行移动用户位置预测的不同方法。在移动用户有关位置信息较少的情况下,我们提出了运用局部线性预测的方法对移动用户的位置进行实时预测,并对移动用户在一维平面和二维平面内的运动进行了仿真。在移动用户存在大量位置信息的情况下,我们提出了使用基于数据挖挖掘的移动用户位置的非实时预测。它是对网络中储存在归属位置寄存器中的大量移动日志进行挖掘,并根据挖掘到的移动模式,预测得到移动用户的位置。整个预测算法可以分为三个阶段。第一阶段在原有的APriori挖掘算法的基础上,针对移动日志数据库不断更新的情况,我们提出了APriori的增量挖掘算法。由于APriori挖掘算法效率比较低,我们提出将Prefixspan算法用于用户移动模式的挖掘。并通过实例比较得出,APriori算法和Prefixspan算法具有相同的挖掘结果,但Prefixspan算法的挖掘效率较高。第二阶段从用户移动性模式中提取移动性规则。第三阶段进行移动性规则的匹配,将与移动用户当前运动相匹配的规则用来预测用户的下一次运动位置。同时,我们对在具体空间环境中的移动用户运动问题作了一些探讨,研究了在固定目标条件下,移动用户综合考虑道路上的通信质量和道路长度两方面的因素的最优路径选择问题。我们建立了移动用户的运动模型,提出了对道路上的通信质量和该道路长度加权,并只对以当前节点为起点的边比较权值的方法,用于移动用户最优路径的选择。 本文的研究成果可以用于基于预测的位置更新和寻呼,以改进移动性管理的性能,减少信令开销,提高系统容量,对于现有移动通信系统的改进以及新一代移动通信系统的高效运行等领域的研究具有一定的借鉴作用。同时,在固定