随着移动互联网的不断发展,人们可以通过移动网络在终端上完成许多事情,移动节点可以通过合作的方式完成某项任务。而移动通信技术的飞速发展为优化节点之间的合作提供了可能,比如D2D(Device-to-Device)通信技术,它具备更高的传输速率和网络容量。因此移动用户之间可以利用这些技术共同完成或者帮助其他用户完成一些任务。然而由于考虑到自身资源损耗等一些问题,移动节点通常具备自私特性,它们在作出选择时倾向于选择使自己效用最大的策略,因此这种自私特性有可能导致全局节点效用不良好的情况。传统的方法可以通过指定网络中节点策略的方式强制节点进行策略选择,然而这种方法没有考虑到节点的自私特性。因此在节点共同完成同一项任务时,需要一种激励机制来最大化其目标函数的同时又考虑到节点的自私特性。本文考虑移动网络中两个场景,一个是移动节点的缓存策略选择的问题,需要激励合适的缓存点使得网络中节点可以节省为获取目标数据所产生的代价。另一个是车队行驶中车头的选择问题,本文希望激励合适的车当车头保证车队的安全性并且减少组成车队的时延。本文设计了一种激励机制来促使更多的自私节点积极参与到优化的过程中来。本文通过研究移动节点之间的物理距离和社交关系来为每一个移动节点定义了自己的社交群组以及社交群组效用函数。本文为社交群组效用最大化的问题建立社交群组效用最大化(SGUM)博弈模型,并且通过潜在博弈的方法证明了该博弈中存在纳什均衡解。本文设计了一种启发式算法来得到纳什均衡解,该算法通过比较节点之间不同策略下的节点效用函数对节点策略进行迭代优化。为了衡量该算法的最终表现,本文还设计了性能评价系统分别对系统时延、成功率、社交群组效用值进行了统计,实验表明SGUM模型下的各项指标都得到了优化,并且SGUM的社交群组效用比自私的机制提高了 54%。