为满足大规模的移动设备接入和快速增长的通信容量的需求,small cell在下一代移动通信系统(5G)中将实现超密集部署,而且small cell的存储和计算资源能为移动应用(如增强现实游戏)提供无处不在的计算支持。但是该方案却会加重系统回程链路的负载,并且会带来巨大的能量消耗的问题。为解决上述问题,许多研究者提出了移动边缘缓存与计算的方案。然而,现有的移动边缘缓存与计算方案存在以下问题:首先,现有的边缘缓存方案大多基于固定网络拓扑结构,忽略了用户移动性;其次,为解决5G网络高能耗的问题,采用可再生能量供电是一个可行方案,但是,可再生能量到达的随机性导致了边缘云服务器计算能力的动态性,使得现有基于电网供电的计算卸载策略难以适用;最后,由于用户移动性导致基于D2D(Device-to-Device)的边缘计算(如移动微云)具有动态特征,可能会造成计算任务卸载的失败。面对上述问题和挑战,本文从以下四个方面展开研究:(1)针对边缘缓存中用户移动性问题进行研究。通过分析移动性对small cell和用户设备缓存的影响,提出了移动性缓存策略优化问题,并证明其是NP难问题。基于子模态优化,利用贪婪算法给出问题的解。实验结果显示,相较于传统的缓存策略,此策略在缓存命中率上有了明显提高。(2)针对边缘缓存中用户之间及用户与small cell之间接触时间的随机性进行研究。基于编码缓存建立了缓存命中率最大化的安置模型和能耗最小化的传输模型,通过对模型求解,提出绿色移动编码缓存策略。实验结果显示,与其他缓存策略相比,该策略具有最高缓存命中率和最低传输能耗。(3)针对可再生能量供电下移动边缘云计算进行研究。基于对可再生能量的分析,建立了用户计算任务时延和电网供电能耗最小化模型。利用交替优化将其分解为计算资源分配和任务安置两个子问题,通过求解子问题得出可再生能量供电下的计算任务卸载策略。实验结果表明,与随机计算卸载和均匀计算卸载策略相比,该策略能够至少缩短20%的任务延迟,节省30%的能耗。(4)针对移动边缘计算中连接不可靠的问题进行研究。本文突破传统的移动微云对D2D连接的依赖,提出了移动自组微云模式。同时分析了此模式的任务时延和能耗,得到最优卸载策略。最后给出了计算任务在远端云、移动微云和此模式下的选择算法。实验结果证明,当任务处理前后比例小于1、用户接触频率大于0.0014时,此模式在延时和能耗方面均优于其他两种模式。综上所述,本文所提出的移动边缘缓存与计算策略能充分利用网络边缘的存储计算资源、用户的移动性和动态的可再生能量供给,为用户提供缓存和计算的服务,提高用户的体验质量。