移动数据的爆炸式增长,给传统的蜂窝网络带来了前所未有的挑战。为了缓解海量无线流量带来的压力,边缘缓存技术成为了当下研究的热点。边缘缓存把部分网络内容放置在具有缓存能力的边缘节点中,可以在流量高峰时实现快速的内容分发,缓解传统蜂窝网络的流量压力。通常,这些边缘节点可以是基站或者是移动设备等。随着移动设备数量的飞速增加和移动设备中的存储介质成本逐渐降低,D2D（Device-to-Device）通信技术与边缘缓存的结合成为了热门研究方向。D2D通信具有提升系统吞吐量、降低内容获取的时延和提高频谱利用率等优点。为了在边缘缓存中充分利用D2D通信的优势,设计出合理高效的缓存策略是十分必要的。在特定的应用场景下,设计缓存策略通常需要考虑缓存哪些内容以及这些内容的放置位置。而在现实应用中,用户的需求通常是不同的,即用户偏好之间存在差异。考虑用户偏好的差异有助于缓存策略的设计,因此本文将研究如何利用用户偏好设计出合理高效的D2D缓存策略。在集中式D2D缓存系统中,中心基站承担信息处理中心和决策中心的角色。本文考虑动态变化的文件流行度,把用户偏好建模为用户对文件类型的偏好和文件在对应类型内的全局流行度,并且采用EM（Expectation Maximization）算法学习用户偏好,仿真证明该方法具有较高的预测准确度。此外,还采用滑动窗口法预测实时用户活跃程度,联合考虑用户偏好和实时用户活跃程度来预测实时文件流行度。在内容放置阶段,由于使用贪心算法放置缓存内容的时间复杂度较高,本文提出了一种低时间复杂度的内容放置算法。仿真结果显示本文提出的集中式缓存策略可以达到较高的缓存命中率。集中式缓存策略会给中心基站带来大量的计算压力。因此,本文又考虑了分布式D2D缓存。在分布式缓存系统中,每个移动设备都是信息处理中心和决策中心。考虑到每个设备无法获得全局信息,本文采用逻辑回归模型和梯度下降算法来学习用户偏好,并且使用滑动窗口法预测用户活跃程度。每个用户根据自身预测得到的结果,可以有选择的进行缓存更新操作。仿真结果证明本文提出的分布式缓存策略不仅可以保证较高D2D缓存命中率,而且极大减少了缓存更新对中心基站产生的负载。