随着移动网络和无线通信技术的快速发展,越来越多的以视频信息为载体的应用出现在了人们的日常生活中,视频应用占据了互联网中通信流量的绝大部分。庞大的视频流量和日益提升的视频质量要求为传统基于云计算的服务架构带来了严峻的挑战。一方面云端视频服务器的负载和带宽开销非常大,高质量视频的端到端传输为整个网络带来了巨大的回程传输压力;另一方面由于视频业务与移动网络的分离设计,视频业务难以感知到无线网络的实时状态变化,视频传输难以达到最佳效果。边缘网络通过将云计算中心的部分资源和功能下沉到网络边缘节点上,可以为用户提供更加灵活高效的视频服务,进而改善上述提到的问题。边缘节点上部署的的存储资源和计算资源可以很好地提升用户的视频观看体验。其中,利用边缘节点的存储能力进行视频缓存,不仅可以高效地满足视频分发过程中用户对于热门视频内容的重复请求,降低网络中的冗余流量,还能缩短视频服务的时延,为用户带来更好的体验;利用边缘节点的计算能力进行视频转码比在云端转码有着更快的响应速度,同时边缘节点能够及时地捕捉到用户的无线信道变化情况,为用户提供最合适的转码速率集。鉴于缓存策略和转码策略在视频传输中的重要性以及当前研究在一些场景下的不足,本文分别针对边缘网络中SVC视频的缓存放置策略和直播视频的转码策略展开研究。本文的研究内容主要包括以下部分:(1)针对可伸缩编码视频,这类视频在传输、存储和视频码率上具有分层的特性,本文通过设计联合缓存放置和码率选择策略来进行优化。与数据和普通视频缓存不同,用户的信道分布会显著地影响到可伸缩视频不同分层的缓存有效性。基于此,我们在缓存不同视频分层时考虑了用户的接收能力和码率选择策略,来避免缓存一些无法被用户流畅接收的可伸缩视频分层。该问题被建模成一个混合整数连续规划问题,我们首先通过对用户信道的概率分布模型进行差分近似将其转换成较低复杂度的离散优化问题,之后提出了启发式的两步动态规划算法来进行求解。大量实验仿真的结果表明我们所提出的联合优化策略较其他组合策略可以更有效地提升用户的平均QoE。(2)针对直播视频,本文关注到视频转码后不同目标码率集对用户视频观看体验的影响,通过设计联合动态转码和资源分配策略来进行优化。传统固定转码目标码率集的转码策略不能很好地适应移动用户的动态性,无法为用户提供最佳的码率选择,存在着计算资源和传输功率的浪费。为解决该问题,我们在考虑设计更加细粒度的动态转码策略时,同时考虑边缘节点上计算资源和传输功率的分配。该问题被建模成一个混合整数非线性规划问题,经过分析,我们发现在固定用户分组的情况下原问题可以得到简化。基于此,我们设计了基于用户聚类的动态转码以及计算资源和传输功率分配算法。经过大量实验仿真,我们证实了所提出的联合策略在提升用户总的QoE上具有显著的优越性。