第五代移动通信系统（fifth generation,5G）确定了三大类场景,即增强移动宽带（enhanced mobile broadband,eMBB）、大规模物联网（massive machine type communications,mMTC）、低时延高可靠通信（ultra-reliable and low-latency communications,URLLC）。为满足这三类场景下的多种业务类型,不仅需要继续提升5G新空口能力,还需要网络架构及关键技术的演进。边缘缓存技术是5G系统重要的研究方向之一,通过将存储功能迁移至无线网络边缘来拉近用户与内容间的距离,从而减少端到端时延及回程链路负载。已有研究假设流行度为独立参考模型,专注无线网络引入缓存功能后的理论分析与优化,包括缓存信息论、缓存与无线传输、随机无线网络缓存。基于流行度动态性的缓存能够反映现实中用户的需求变化,从而提升缓存性能。缓存生态系统包含多个利益方,所以在实现缓存技术时需要考虑经济效益,即激励机制设计。社交网络不仅可用来预测用户间相遇概率,也影响内容的流行与传播。因此,本文研究了动态流行度模型并设计了不同场景下的内容部署策略;进而将缓存系统性能优化扩展到缓存激励设计问题;最后借助网络科学中的复杂社交传播思想进一步探索流行度模型,为将来设计更加高效的缓存策略奠定理论基础。论文主要工作和创新点如下:1、针对边缘缓存网络中内容流行度的演进特性、蜂窝用户的移动特性以及内容偏好特性,分别研究了小基站缓存场景中的缓存更新问题以及无人机缓存场景中的内容部署问题。首先,与固定内容流行度的研究方法不同,本文采用线性回归方法预测内容流行度,提出基于随机网络模型的高能效缓存更新算法。相比已有缓存更新算法,所提算法能够准确追踪网络动态,进而动态地调整缓存部署。进一步考虑无人机缓存场景。同大部分研究假设的独立同分布请求概率模型不同,本文采用细粒度的单个用户内容偏好及位置模型。基于提出的内容偏好预测模型及请求位置模型,利用机器学习中的聚类算法设计无人机的部署位置,并根据相应的无人机部署位置设计内容部署算法。相比已有算法,所提算法能够更好地提升无人机部署和缓存效率,动态地适配用户状态。2、针对终端到终端（device-to-device,D2D）协作通信场景,提出了基于社交网络的用户相遇概率预测模型,并构建了无线网络运营商和用户之间的斯塔克伯格博弈模型,联合设计用户激励与内容部署算法。与研究中广泛假设的独立参考模型不同,本文采用的内容偏好模型能够反映用户需求的个性化,更加适合本场景下的缓存算法设计。此外,相比于假设完全合作下的缓存算法,用户激励与内容部署的联合设计算法既能够达到较高的系统缓存命中概率,又能够促进移动网络运营商和终端用户间的协作。3、针对内容供应商和移动网络运营商之间的可信信息共享与交易问题,提出基于区块链和智能合约的缓存机制,考虑内容流行度的区域特性来设计缓存部署算法。大部分研究忽略了现实中内容供应商和移动网络运营商之间的不信任与竞争天然属性,本文设计的缓存机制能够保证内容流行度统计信息公共可得,同时防止了交易欺诈风险。通过查询区块中移动用户发出的相关交易信息,本文采用的区域性内容流行度模型能够达到流行度的学习速度和模型准确度之间较好的折衷。4、为了更加准确地预测内容流行度变化进而充分挖掘缓存技术潜能,本文借鉴网络科学中的复杂社交传播的思想,提出了连边权重区划理论来定量分析加权社交网络中的异构采纳复杂传播效应。大部分已有工作忽略了社交增强、异构采纳的影响,而这两点均是缓存研究中的重要因素。本文类比缓存研究的问题属性,构建了复杂传播网络模型;针对该模型提出一个连边权重区划理论来预测传播过程;通过大量的实验结果证明理论预测与仿真结果较为吻合。本研究点为将来继续探索流行度预测模型及相应缓存更新策略设计奠定理论基础。