便携交换网络（Pocket Switched Network,PSN）是一种利用人的移动性和机会性相遇进行信息交流的延迟容忍网络。因此PSN网络的网络拓扑结构会随着节点的移动发生变化。节点间链路会随着节点频繁移动而产生连接或断开,这使得基于节点局部信息或者基于网络拓扑结构的链路预测方法无法较好地被应用于PSN网络链路预测问题。同时由于PSN网络由携带短距离通信节点的人组成,因此节点的移动和节点间的信息交流并不是完全随机性而是具有很强的社会性和规律性。本文分析了PSN网络中节点的连接规律,考虑PSN网络中节点的社区属性和移动规律,将PSN网络中节点相似性分为节点携带者的社区相似性和移动行为相似性。一方面,通过构建节点携带者的属性向量并借助基于学习自动机的方法对PSN网络中的节点进行社区划分;另一方面,根据节点连接的接入节点数量和节点对连接的公共节点数量得出节点对的移动行为相似性。考虑PSN网络中节点移动的规律性,本文提出了一种基于萤火虫算法的链路预测方法（Link Prediction Approach for Pocket Switched Network Based on Firefly Algorithm,FALP）。首先利用改进的PSN网络相似性指标构建节点对特征向量序列,借助差分整合移动平均自回归模型在时间序列分析问题方面的优势。通过分析历史时刻下节点对的特征向量得出节点对下一时刻的特征向量,从而提取节点对的特征向量演变规律。然后借助萤火虫算法的全局寻优优势构建二分类器,研究节点对的连接状态与节点对特征向量的联系,从而推断节点对未来连接的可能性。本文采用AUC、准确率（Accuracy）和精度（Precision）作为链路预测方法的评价指标,选取稀疏程度不同的真实PSN网络数据集INFOCOM2006和MIT reality（MIT）。与6种传统的相似性指标的链路预测方法相比,改进后的相似性指标的AUC和Precision值均较高;计算FA-LP链路预测模型在不同初始化种群数量、时间帧长度、迭代次数和输入序列长度条件的Accuracy和Precision;与支持向量分类机、基于弱评估器、基于深度信念网络、基于受限玻尔兹曼机的链路预测方法相比,FA-LP模型具有更好的准确性。