随着移动互联网的普及,移动网络中的数据流量正呈现飞速增长的态势。这给移动网络的容量和处理能力带来了考验。为了减轻网络负载,超密集网络通过小区致密化提高了频谱利用率,使得网络性能得到了优化。随着缓存与移动边缘计算的进一步发展,超密集网络中的小基站被赋予了缓存与计算能力,进一步增强了网络边缘的数据处理能力,这有利于视频内容的承载、处理与传输,一方面,视频内容可以被提前存储在网络边缘,降低了用户获取内容的时延;另一方面,还可以在网络边缘进行视频内容的实时转码,以满足用户对于视频的多样化需求,增强了用户体验质量。当前,用户对视频业务的需求不断提高,单一网络节点难以满足新的用户体验质量要求。同时,分布于各节点中的异构资源有待综合考虑和统一分配,以实现网络整体性能的最大化。本文综合考虑了超密集网络中的缓存、计算与通信资源,提出了基于重叠分组的协作转码与分发机制和基于内容分片的视频缓存与转码机制,对网络的时延性能进行了优化。本文的主要工作包括:提出了一个基于重叠分组的协作转码与分发机制。首先,研究了计算与信道资源对视频初始等待时间的影响。其次,建立了网络中拓扑结构和资源分布的模型,以最小化视频初始缓冲时间作为目标,将网络整体的时延优化问题分成分组和资源分配两个子问题。再次,提出了 KM匹配与遗传算法相结合的算法,对超密集网络中的节点进行重叠分组,并对分组后的基站异构资源进行分配。最后,仿真结果表明,提出的算法优化了用户的平均初始缓冲延迟。提出了一个基于内容分片的视频缓存与转码机制。首先,考虑了内容提供商与网络运营商不同的缓存偏好。然后,建立了二者之间的多对多匹配模型,以最小化用户请求的等待时间为优化目标,提出了一种基于分片缓存和多对多匹配的缓存更新策略。最后,通过仿真结果可以看出,本文提出的缓存、计算联合资源分配算法具有较好的时延性能。