为将云计算下沉到网络边缘，边缘无线节点将逐渐具备文件缓存、任务处理功能。然而，经典的云-网分离的调度机制无法充分利用无线网络中分散的通信、计算和缓存资源。为应对资源受限与需求增长之间的矛盾，本博士论文以最大化网络吞吐量为目标，对通信、计算和缓存资源优化调度开展了系列研究。对可预测的多媒体通信需求，研究缓存资源受限下无线网络的流行文件放置问题，提前优化流行文件在网络内的缓存位置。进一步，对不可预测的计算型通信需求，研究计算资源受限下无线网络的计算型通信任务调度问题，实时均衡网络内中央处理器(Compute Processing Unit，CPU)和随机接入存储模块(Random Access Memory，RAM)的工作负载。同时，考虑到基于经典因特网协议(Internet Protocol，IP)地址的调度框架过度分离云-网的资源，导致调度开销过大的问题，将设计一种缓存、计算一体化调度框架，旨在降低高负载下无线网络的通信开销，从而提升网络吞吐量。主要贡献如下：
　　1.针对缓存资源受限下无线网络吞吐量优化问题，本文优化任意网络拓扑下缓存文件放置策略。现有工作大多局限于单跳、单路径路由拓扑等假设，未考虑利用路由多样性提升本地缓存击中率，网络吞吐量难进一步提升。本文否定了资源受限下文件缓存策略次模性(Submodularity)，并分析了任意拓扑下联合缓存-路由联合优化的计算复杂度。进而针对可拥塞网络，提出一种基于随机凑整法(Randomized Rounding)的文件放置策略(Joint Caching and Routing of Arbitrary Topology, JoCRAT)，保证了在任意拓扑下该缓存策略能提供至少次线性的近似比。带宽有限时，相比于经典缓存文件缓存策略提升网络吞吐量2倍以上。
　　2.针对计算资源受限下无线网络吞吐量优化问题，本文优化任意网络拓扑下计算任务调度策略。现有工作未充分考虑网络拓扑变化对时延的影响。本文分析网络的拓扑结构特性对网络吞吐量的影响机理，并发现部分特殊场景下调度策略的最优解结构。针对一般场景，提出一种基于随机交替凑整法(Altarnative Rounding)的分布式任务调度策略(Joint Caching，Processing and Routing of Arbitrary Topology, JoCaPRAT)，保证最坏情况下吞吐量不低于最优值紧上界的常数倍。在显著改善网络内计算资源利用率的同时，相比于经典任务调度策略，所提JoCaPRAT策略的计算复杂度低一个数量级以上。
　　3.针对基于IP调度框架依赖外部资源定位服务，如域名服务(Domain Name Service, DNS)等，缓存文件、接入计算资源带来的通信开销过大的问题，本文优化改进了IP组网架构，提出并实现基于面向对象组网(Object-oriented Networking, OON)的缓存-计算一体化调度框架，显著降低通信开销。并在网络仿真器-3(Network Simulator 3, NS-3)平台上开展动态多媒体自适应业务分发与网络内转码功能的相关实验。实验结果表明，在自组织Wi-Fi网络中，OON显著降低多码率视频传输中信令对带宽的消耗，提升了网络吞吐量。