随着智能移动终端设备和服务（如Netflix,YouTube）的大量普及,通过互联网提供点播（Video-on-Demand,VoD）的应用需求日益增大.用户在使用终端观看视频时,根据自己的需求向服务器发出请求,通过获得的视频下载地址并发起资源请求,服务器根据请求的信息发送相应的视频流.然而,随着大量视频流通过时变信道传输,以及可用宽带的时变波动,视频流流入播放缓冲区的速率极不稳定,这一现象将会影响系统的服务质量（Quality of Service,QoS）.为了描述视频流播放过程对用户的影响,国际电信联盟（International Telecommunication Union,ITU）先后定义了系统的QoS和用户的体验质量（Quality of Experience,QoE）.本文致力于提高用户的QoE,先后讨论了在无线时变信道中视频播放缓冲区的最优阈值设置和视频服务器传输功率（Transmission Power Rate,TPR）的优化控制.由于网络拥塞和自然环境等因素的影响,无线时变信道的信道增益是随机变化的.对于播放缓冲区而言,视频流到来的速率是随机的,而转码播放的速率是固定的,这一现象会导致视频流系统发生卡顿;但是如果能在视频播放前缓冲一定的视频数据,将会减小卡顿发生的概率.本文基于随机流体模型（Stochastic Fluid Model,SFM）框架,提出了一种新的无线时变网络动态视频流系统的SFM模型,分析了视频流系统卡顿发生概率与初始缓冲时延之间关系,从而确定最优缓冲阈值的设置.另外,对于视频流服务器而言,变化的信道增益和传输功率共同决定了无线时变信道的瞬时吞吐量.TPR设置不当,往往会导致视频流无法在给定时限内传完或者造成大量的能量浪费.本文通过嵌入离散决策时刻序列,将TPR的控制问题转换为一个有限阶段的具有混合状态且有限动作集合的离散Markov决策过程（Markov Decision Prosses,MDP）,并给出最优TPR控制策略.在最优缓冲阈值的设置问题中,本文首先给出了视频流系统的三个首达时（First Passage Times,FPTs）,并且推导了FPTS的Laplace-Stieltjes变换（LST）矩阵,在此基础上得到了系统发生卡顿的概率和初始缓冲时延高于给定容忍时间的概率.然后给出了求解最佳缓冲阈值的算法,最后通过数值分析来验证理论结果.在TPR优化控制问题中,本文建立了在严格时限内视频流的传输模型,提出了基于该模型中的能耗最小化问题,将其转化为具有有限混合状态空间（离散状态空间和连续状态空间）的MDP.进一步将连续状态空间离散化,通过单值化算法（Uniformization Algorithm）得到了转移概率,将上述MDP重构为只具有有限离散状态的MDP序列,然后求解该MDP序列得出了TPR控制的最优策略.最后通过数值模拟验证了相关理论的有效性和可行性.