近年来,为了解决在网络被频繁分裂成多个不同子网的极端环境下的消息通信问题,在已有移动自组网(Mobile Ad-hoc Networks,MANETs)的基础上提出了机会网络(Opportunistic Networks)的概念,并被广泛应用于各种复杂场景中,例如,灾难救助、野生动物追踪、交通网络等。机会网络的特点是间歇性的节点连接,比较大的消息传输延迟,经常性的传输中断。不同于传统的MANETs,在机会网络中消息传输路径上不会始终存在端到端的连接,如何在这种情况下进行消息的路由转发引起了研究者们极大的兴趣和关注,并提出了存储-携带-转发的新型路由方式。为了刻画机会网络中拓扑结构的动态性、节点相遇的随机性,引入元胞学习自动机(Cellular Learning Automata,CLA)理论来刻画机会网络中移动节点之间通过相互作用、互相影响、互相协助完成网络中消息的路由转发过程。通过对网络中研究对象定义相应的状态和动作,使之和元胞学习自动机中的元胞状态和动作空间一一对应,利用元胞学习自动机可以根据周围随机环境状态自动调整自身动作的概率,从而作出当前状态下最优策略的特点,达到提升机会网络路由算法性能的目的。论文的主要工作概括如下;(1)提出了一种基于动态不规则元胞多学习自动机的拥塞控制策略,利用元胞学习自动机和周围邻居交互来更新动作概率的方法,根据当前节点和所有邻居节点上对相同消息的存储情况,刻画局部网络中消息的分布和状态。当机会网络中的节点由于存储空间不足而产生拥塞时,按照当前量化的消息丢弃概率对消息进行丢弃处理。实验仿真结果表明,相比已有的根据节点和消息自身状态进行节点拥塞控制的方法,所提出的拥塞控制策略,可以有效地提高消息的投递成功率,降低网络的负载率和端到端的传输延迟。(2)提出了一种能量均衡的节点缓存管理策略,根据节点当前所处局部网络环境中能量的使用情况,制定相应的规则来动态地调整各自节点上所要接收消息的门限阈值。当节点缓存空间溢出时,只接收符合当前门限范围内消息,从而有效地降低了在局部范围内相对静止的节点之间由于频繁乒乓传输相同消息造成的能量浪费。实验仿真结果表明,提出的缓存管理策略提升了消息的投递成功率,降低了网络的负载率,改善了节点的剩余能量和节点剩余能量之间的标准差,从而延长网络寿命,保证了网络连通性。(3)提出了一种基于元胞学习自动机的机会网络路由算法,综合考虑了存储-携带-转发路由模式中各个阶段的因素。在存储过程中计算了消息的投递概率并按照消息的丢弃概率进行节点的拥塞控制;在携带过程中通过设定节点接收消息的门限阈值来均衡节点之间的能量消耗;在转发过程中估算节点之间的连接持续时间来减少消息碎片对节点能量的浪费。通过ONE仿真环境下的实验表明,提出的路由算法能够有效提升机会网络中消息投递成功率、降低消息投递延迟、均衡节点之间的能量消耗,从而提升网络整体性能。(4)提出了 一种自适应的n-Epidemic路由算法,动态地根据节点和所有邻居节点组成的局部环境中能量的使用情况对算法中的参数n进行调整。可以减缓机会网络中n-Epidemic路由算法采用静态参数n时,造成的网络中不同活跃度节点在能量消耗方面不均衡的现象。基于ONE的仿真实验表明,根据节点和邻居节点剩余能量情况来各自独立地动态调整参数n的自适应n-Epidemic路由算法,能够更好地满足节点对能量适应性的要求,均衡网络中不同节点之间的能量消耗,有效地延长了节点的使用寿命。本文从机会网络存储-携带-转发的消息路由机制出发,利用动态不规则元胞学习自动机理论来刻画机会网络中节点独立移动、节点资源有限、节点间歇连通的特性,提出了一系列基于元胞学习自动机的路由模型和算法,完善和丰富了机会网络路由问题的研究方法。通过大量实验验证了所提出方法的有效性,并且设计的算法和已有算法有良好的兼容性,具有重要的理论意义和应用价值。