对等网络(P2P)技术是互联网的研究热点,普遍应用于资源共享、协同工作及实时通讯等领域。非结构化P2P网络具有拓扑结构简单、支持模糊查询和搜索机制容易实现等优点,得到了广泛的应用。现有的非结构化P2P资源搜索算法主要是基于泛洪的改进算法及启发式算法,这种算法主要存在两方面问题：(1)产生大量的查询冗余包,对网络造成了一定的带宽负担;(2)由于采用盲目搜索,搜索效率较低。针对泛洪搜索算法存在的不足,论文主要研究工作体现在以下两个方面。论文提出了基于节点兴趣因子的资源搜索算法。该算法将Markov Chain模型应用到资源搜索的路径选择问题中,并引入节点兴趣因子的概念,根据节点兴趣因子确定状态转移概率。该算法在转发请求查询包时,选择最能发回查询反馈包的节点作为下一跳,保证了随机采样过程能以较快的速度向目标资源节点转移,即发出请求节点能快速搜索到被请求资源。仿真实验表明,相较于传统的泛洪算法,该算法用更少的搜索跳数获得更高的资源搜索成功率。基于节点兴趣因子的资源搜索算法仅考虑节点的兴趣,并未考虑网络的负载均衡问题,网络中的资源搜索任务集中在部分拥有热点资源的节点上,因此随着资源搜索任务的增加,网络将不能保证搜索性能。在前边工作的基础上,为解决负载问题,论文引入了负载因子的概念,提出了一种结合节点兴趣的负载均衡资源搜索算法。该算法综合考虑了节点兴趣及负载情况,以这两类转发因子构建Markov Chain的转移概率矩阵,使得查询沿着转发因子增大的方向扩展采样。通过仿真实验表明,该算法具有较高的搜索效率和较为均衡的网络负载。