随着虚拟现实和增强现实等计算和数据密集型应用的发展,对网络的服务能力提出了更高的要求。传统的云计算将计算任务卸载到远端数据中心导致整个任务的处理时延难以得到保证,因此移动边缘计算应运而生。移动边缘计算将计算和存储放到网络边缘进行,边缘缓存可以通过存储内容来降低用户访问延迟和减少核心网的流量压力。然而,移动边缘缓存网络是个复杂的缓存系统,理论建模和分析非常复杂,这使得实施高效的移动边缘网络缓存系统配置和管理具有较大的挑战性。因此,基于现有移动边缘网络架构的特点,本文重点研究移动边缘网络中的协作式缓存配置和管理问题。基于现有的移动边缘网络典型的两层架构,本文第三章首先为移动边缘缓存网络系统设计了一个协作式缓存模型。为了降低缓存冗余,该模型要求一个内容对象至多在一个节点上进行缓存,并且系统中的所有缓存节点相互协作地进行内容缓存服务。然后,基于该协作式缓存模型,本文研究了协作缓存管理优化问题。具体而言,本文将协作缓存管理优化问题描述为一个组合优化问题并且证明它是NP难的问题。针对该NP难问题,本文提出了一个高效的近似算法。当内容请求过程分别遵循泊松过程和帕累托过程时,近似算法的近似比率分别为2和2ββ-1。实验结果表明,与现有的解决方案相比,本文提出的协作缓存模型下的缓存管理方案在内容总命中率和访问时延上均可以获得更好的性能。移动边缘缓存网络需要满足用户、内容提供商和网络运营商的不同性能目标。现有工作主要从用户角度考虑优化请求内容的总命中率和时延。然而,网络运营商更加关注缓存内容而获得的总服务收益。现有研究缺乏从运营商角度考虑不同的优化指标。因此,本文第四章为移动边缘缓存网络设计了以服务收益最大化为目标的协作式缓存模型,该模型在满足运营商服务收益最大化的同时缓存系统能在一定程度上保证用户服务质量（缓存命中率）。本文将该协作式缓存模型下的缓存配置和管理问题描述为一个凸优化问题。为了有效地解决这个问题,本文采用了原始-对偶分解框架将凸优化问题分解成多个子问题进行迭代求解。为了进一步提高算法的求解效率,本文针对子问题的求解设计了可以得到最优解的贪心算法。仿真实验结果表明,本文提出的缓存配置和管理策略,与现有的解决方案相比,在用户满意度和服务收益方面均可以获得更好的性能。