随着移动通信技术的发展和移动互联网的普及,以视频直播、短视频为代表的新兴行业蓬勃发展,移动互联网的数据流量和内容数量已成井喷之势,而移动互联网中相同内容的重复分发是造成回程链路不堪重负的主要原因,海量内容分发场景下在网络边缘缓存用户偏好的热点内容是提升用户满意度的有效手段。随着5G时代的降临以及移动边缘计算（Mobile Edge Computing,MEC）的逐步发展,在网络边缘部署缓存的落地条件逐步成熟。边缘缓存可以在网络边缘响应用户请求由此可以卸载掉流量高峰期时的大部分回程链路流量,节约宝贵的回程链路带宽资源,从而显著降低用户内容获取延时提升用户体验。本论文选题于国家自然科学基金项目《无人机辅助蜂窝网络中多级协同缓存方法研究》,开展了移动边缘计算中缓存算法研究与验证平台实现。依据现网用户访问数据对移动边缘计算中的缓存算法进行了研究,从空时二维对用户偏好进行预测,同时设计并实现了一个MEC验证平台,并探讨了所提边缘缓存算法在实际网络数据下的性能表现。本文的主要工作如下:1)论文对MEC及边缘缓存技术研究进行了综述。首先对MEC的相关概念和在搭建验证平台时所用到的相关技术进行了介绍;然后,对缓存技术特别是移动边缘缓存相关研究现状进行了综述,总结分析综述了国内外在用户偏好预测以及边缘缓存方面的研究成果和研究思路,同时指出了目前研究中并未考虑用户偏好在空间维度的变化,为本文的研究指明了思路。2)针对当前MEC系统边缘缓存缺少考虑用户空时偏好差异对内容流行度的影响,提出了一种基于空时二维用户偏好预测的缓存算法。针对现网数据集,分析了用户请求在时间维度和空间维度的特性,指出用户的当前偏好受到长期偏好和短期偏好的共同作用,并从时间和空间两个维度建模用户偏好特征,给出了用户偏好时空二维特征提取算法。随后通过图卷积网络（Graph Convolutional Network,GCN）预测用户偏好,同时在构建用户关联关系图时,提出了用户关联系数计算算法,并探讨了几个关键参数对预测结果的影响以及比较了几种主流预测算法在该数据集下的表现。在解决缓存放置问题时采用多基站协同的缓存方式,以最小化平均用户内容获取时延为目标,最终将其建模成了一个非线性混合整数规划问题,最后通过遗传算法求解该问题。仿真验证表明,用户偏好对缓存的放置存在较大影响,同时本文所提算法可以有效降低用户的内容获取时延,提升用户体验。3)为了验证MEC系统边缘缓存技术对提升网络性能的效果,本文设计并实现了 MEC验证平台。首先,分析了 MEC验证平台需要重点实现的功能,随后依据依据欧洲电信标准化协会给出的MEC参考架构,给出了本文中MEC验证平台的体系结构和模块划分。在具体实现过程中使用软件定义无线电技术搭建了其数据接入层,依托虚拟化技术完成了基础组件层的搭建,在实例层中定义了三种类型的节点,并深入每个节点阐述了详细设计要点和实现方案。最后对该平台作出了部署并进行了性能测试,发现MEC技术能够显著的降低用户的内容获取时延,并且能够保证用户数据传输的平稳性,且本文所提出的缓存算法与对比算法在现网数据环境中相比具备显著优势。