边缘计算是一种新兴的计算架构，能为低延时和高带宽需求的应用提供更好的性能的改进。边缘计算作为云计算下沉到用户侧的部分，能高效的发挥数据汇聚的作用，边缘计算协同云、终端，进而对海量数据进行分析和控制。5G技术解决了网络接入的问题，而没有解决骨干网和城域网带宽和延迟问题。不计其数的5G智能终端和物联网终端的连接会造成带宽资源的抢夺，因此，云、边和端节点间的通信仍旧面临阻塞的网络问题，而边缘计算是一种很好的解决方案。
　　基于互联网的在线多媒体视频(长视频和短视频)逐渐取代传统电视，新规格的视频形式(4K，QHD，360o等)增加了每个内容请求的带宽消耗。这些因素推动了视频流量的爆炸式增长，预计将超过互联网总流量的80％。相对于长视频，短视频属于时延敏感型应用，海量短视频文件的流行以及时长短的特点，对用户的体验质量产生了不确定性影响，因此，为了保证用户的体验质量，使用边缘计算中的缓存技术达到降低时延、提高缓存命中率的目的是一种非常有前景的解决方案。
　　在本文中，基于对新兴的短视频内容的数据分析，通过引入深度强化学习算法，设计了基于阈值的分块部分缓存短视频的缓存模型，实现多媒体内容在边缘节点上的高效的缓存。本论文的主要工作如下：
　　1)本文介绍了边缘计算技术的概念，使能技术和应用场景，全面的介绍了深度技术，分析了5G技术通信的特点以及对社会和多媒体服务带来的影响。
　　2)研究了短视频内容的特点，即抖音(TikTok)短视频，对抖音短视频的元数据进行了分析，并对抖音短视频文件的属性特征(长度、比特率和大小)进行了数学分析。随后，用皮尔逊相关系对抖音短视频的流行度指标进行了分析。通过一个利用流行度分布提高缓存命中率的样例研究，进一步为5G网络中高效的边缘缓存系统的设计提供了指导意义。
　　3)根据短视频内容的文件大小和流行度的特点，并结合5G边缘计算网络服务的自身特点，提出一种基于分块阈值的分块部分缓存的缓存内容放置策略，基于深度强化学习求解最佳的分块阈值，以最大化缓存命中率。
　　4)仿真实验结果表明，基于分块阈值的分块部分缓存的放置策略在保证用户体验质量的情况下，能明显地增加短视频的缓存数量，提高缓存命中率。基于深度强化学习求解最佳的分块阈值进行分块部分缓存的策略能很快获得最大的缓存命中率90%左右，并且达到稳定状态。