近年来,对等网络日益成为Internet的一个重要应用。对等网络将Internet边缘节点的资源收集起来,提供强大的计算与存储能力。非结构化对等网络由于查询的灵活性和对动态环境的适应性,得到大力部署,成为对等网络的主流。但非结构化对等网络存在网络性能低下等缺点,这使其搜索算法一直是非结构化对等网络的研究重点。现有的P2P信息检索机制存在着种种不足,基于结构化P2P网络的检索效率很高,然而由于构造过于严格,难以在Internet上普及,且仅能支持粗粒度的文件共享;非结构化P2P网络实现简单,是P2P文件共享系统的主要实现方式,但是由于搜索的盲目性,其检索效率又普遍低下。本文在对非结构化对等网资源搜索算法深入研究的基础上,针对目前P2P资源搜索过程中消息开销大,搜索效率低,冗余路径等问题,引入了蚁群算法的思想,提出了一种基于蚁群算法的非结构化P2P资源搜索算法—ACODA(Ant Colony Optimization based Detection Algorithm),该算法模拟蚂蚁觅食过程,通过信息素的正反馈机制,指导资源搜索路径,将查询消息包发往资源可能存在的区域以此来提高搜索效率。其次,将信息推荐技术引入到P2P资源搜索过程中,并设计了相应的信息推荐算法。算法根据节点的兴趣爱好周期性的对其发送相关资源的信息,加强了Peer节点之间的协作,提高了搜索效率。本文提出的用于改进索引缓存性能的校验-重生法能够有效的解决索引缓存失效问题和无效索引信息扩散问题,而且提高了有效索引缓存的生存周期。基于PeerSim的仿真实验表明,ACODA算法与资源推荐、索引缓存技术相结合的策略能够有效地缩短资源搜索时间,在显著提高资源命中率的同时,减少了冗余消息包的产生,降低了网络负载。