随着移动通信技术和新型互联网应用的快速发展,人们对通信的需求从人与人逐渐转向人与物、物与物的交互和协同。大规模增长的物联网应用如虚拟现实、8K直播、远程医疗等使数据服务逐渐由以连接为中心转向以内容为中心。全球移动数据流量呈指数级增长,传统的云-端方式无法应对物联网快速发展带来的高负荷、网络拥塞等问题。多接入边缘计算技术可在网络边缘提供计算、存储与差异化网络服务能力,推动业务平台同移动网络的深度融合,建立具备低时延、高可靠、高速率的电信级服务平台,以提高用户网络体验质量。本文围绕移动通信网中分布式协同缓存部署策略面临的挑战,从联合边缘缓存与终端缓存技术的角度出发,以最小化用户内容获取平均时延及系统能耗为目标,就如何实现蜂窝网络、边缘缓存与终端缓存资源的协同配置与优化展开深入研究,从而减轻骨干网络负荷,避免网络拥塞现象,提高用户体验质量。主要研究内容和工作总结如下:针对边缘缓存服务器空间有限和单一服务器中内容多样性较低的问题,提出一种基于动态规划的分布式协同缓存方案。首先考虑在边缘缓存网络中借助设备到设备（Device-to-Device,D2D）通信的优势,通过将流行度较高的内容分段存储至不同网络节点处,构建用户内容获取时延最小化问题。为了解决该问题,将内容协同部署归结为一种完全背包问题,提出一种基于动态规划的内容分布式协同部署策略。仿真结果表明,所提方案在提高系统内容多样性的同时降低了用户内容获取时延。针对移动场景中缓存部署能耗较高的问题,提出基于深度强化学习的最小化缓存系统能耗的内容部署策略。在马尔可夫决策过程的基础上建立双时间尺度的缓存内容部署/更新模型,采用基于Google S2的交通区域划分模型划分用户移动区域,根据移动用户的位置在边缘节点中预先放置高流行度内容,通过分析内容流行度和用户节点意愿,提出基于深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）的内容协同部署算法以获得内容动态部署决策。仿真结果表明,所提内容部署算法可快速收敛并能够有效降低缓存能耗。