随着无线移动网络多媒体业务的快速发展,视频数据流量呈指数级增长。传统的基于云计算的视频流量业务造成了较大的流量负荷和较长的访问延迟,严重降低了用户的服务质量（Quality of Service,QoS）。移动边缘计算（Mobile Edge Computing,MEC）作为新兴的5G网络中的一项关键技术,它在网络边缘提供存储和计算资源以支持低延迟和计算密集型的移动应用程序。同时,移动边缘服务器不仅提供计算资源,还提供存储资源,并且可以作为缓存节点存储用户请求的流行内容。在移动边缘服务器上的缓存称为移动边缘缓存,它作为MEC的一个用例,可以直接服务于用户的请求,从而大幅降低了流量负载并且缩短了访问延迟。目前,分布式缓存被广泛应用于基站的缓存部署。然而,单个基站的缓存容量通常特别有限,这将会降低无线移动网络的缓存性能。为此,本文提出了在异构的MEC网络中的协作缓存方案以实现高效的管理缓存内容。此外,目前许多现有的视频缓存工作没有深入探究自适应比特率（Adaptive Bitrate,ABR）的特性,主要采用存储和传输方式而不进行任何处理操作。因此,利用提供的存储和处理资源来设计一种高效的缓存策略非常重要。于是,本文提出了一种联合缓存和处理架构,通过利用MEC服务器上的缓存和处理资源来满足用户对不同比特率视频的需求。最后,本文的主要贡献总结为以下两方面:（1）研究了移动边缘计算网络中的协作视频缓存管理策略。本文首先提出了一种协作缓存模型,其中宏基站和小基站都部署了一个MEC服务器,使得存储资源更靠近用户。同时,本文提出了一个内容缓存优化问题,旨在最小化MEC网络中所有用户请求视频内容的总延迟成本。为了便于问题的求解,本文将上述问题转化为在拟阵的约束下单调次模集合函数的最大化问题。然后,本文提出了一种缓存管理策略,它包括贪心缓存放置策略和贪心缓存更新策略。仿真结果表明,该缓存策略有效地提高了缓存命中率,显著降低了平均延迟和回传流量负载。（2）研究了移动边缘计算网络中的自适应比特率视频缓存策略。本文首先提出一种联合协作缓存和处理框架,它支持MEC网络的ABR视频流。此外,本文刻画了一个整数线性规划（Integer Linear Program,ILP）,该问题在满足每个MEC服务器的缓存和处理能力约束下最小化视频的访问延迟成本。由于所考虑的ILP问题的复杂性和缺乏视频请求到达之前的信息,本文将原始问题分解为缓存放置问题和请求调度问题。然后,本文提出了以下两种方案来解决问题。当内容流行度未知时,本文采用流行的最近最少使用（Least Recently Used,LRU）缓存策略。当内容流行度已知时,本文设计了一个低复杂度的ABR感知缓存放置算法。仿真结果表明,与传统方案相比,本文提出的缓存策略在缓存命中率、回传流量和内容访问延迟方面有显著提高。