近些年来,移动互联网的高速发展正从各方面极大的改变着移动用户的生活习惯,移动视频日益成为用户主要的网络应用。然而移动视频业务产生了海量的移动网络流量,对移动网络的基础设施带来了巨大的负担,影响了移动网络的性能与用户的使用体验。解决这一问题不仅需要性能更好的网络基础设备,也需要从数据流量的角度进行优化。移动边缘缓存技术作为移动边缘计算的一个重要组成部分,通过将大容量的缓存服务器部署在移动基站处,缓存用户频繁请求的热门移动视频内容,向用户提供了更快捷的服务。但移动边缘网络可用的资源相对于业务总量而言十分有限,制约了其服务能力。用户智能终端的快速发展,不仅带来了新的移动应用,也对移动网络的结构产生重要影响,成为了潜在的网络资源,有待和边缘侧资源进行整合利用。因此,为更好的利用边缘网络的缓存资源,向用户提供高质量的服务,需对移动网络中的内容边缘缓存策略进行深入研究。本文从移动视频这一场景出发,研究了边缘设备与终端协作的边缘缓存方案。针对边缘缓存内容的初始化问题,本文提出了一种面向多维服务请求适配的视频业务主动缓存方法。对移动视频业务用户的服务请求行为进行分析与预测,研究了 D2D辅助的边端协同主动缓存,描述了以命中率为目标的优化问题,设计了一种重复副本拍卖算法对缓存放置问题进行求解。通过仿真验证,所设计算法实现了更高的缓存命中率,意味着该算法能更好的利用边缘侧的缓存空间,提高边缘缓存的服务能力。针对缓存内容的更新替换问题,本文提出了一种面向业务时延的视频业务缓存内容智能替换方法。以用户播放移动视频的时延作为目标,对移动网络的用户基站间协作进行建模,得到时延与缓存决策的解析表达式。并将其描述为一个马尔科夫决策过程,设计了基于深度Q学习的缓存替换算法求解该缓存内容替换问题。通过仿真验证,所提算法取得了更小的访问时延与更高的缓存命中率,减少了来自核心网络的流量负担。综上所述,本文对于移动视频的边缘缓存问题,研究了基于边缘与终端协同缓存的两种方法。通过边端协同的边缘缓存,在边缘网络内满足用户请求,一方面缓解回程链路与核心网的压力,另一方面降低服务时延,提升用户的使用体验。