移动边缘网络将网络的功能、内容和资源部署在离终端用户更近的网络边缘,可有效应对爆炸式增长的移动流量。大量工作研究了移动边缘网络中内容分发的问题,然而,绝大部分工作未充分考虑视频内容独有特性与移动边缘网络特性之间的匹配。视频内容在请求模式、多码率编码和视频流传输方式上与普通数据差别甚大,而视频分发所需的移动边缘网络资源(如计算资源、存储资源和无线资源)又与视频的以上特性密切相关。为了以有限的移动边缘网络资源保障多用户请求视频时的用户体验质量,本文深入研究了面向移动边缘网络的视频内容分发,主要的研究内容包括:1、研究面向移动边缘网络的视频智能缓存分发。针对多个移动用户在不同时刻请求同一视频内容造成移动边缘网络视频分发出现冗余流量的问题,我们提出一种智能缓存分发方案,所提方案利用深度增强学习技术感知实际的环境并根据环境历史观察数据自主学习缓存策略,突破了传统方案需要对视频缓存分发系统的操作环境进行理论假设的技术瓶颈。首先,我们将最大化边缘节点处卸载流量的缓存问题建模为了一个马尔科夫链决策过程问题。然后,我们设计了一种基于行动-评价强化学习方法的求解算法,该算法无须对操作环境进行假设。最后,基于实际数据的仿真结果表明,相比于其他传统方案,所提方案能利用有限的存储资源取得更高的缓存击中率和更多的卸载流量。2、研究面向移动边缘网络的视频非正交组播分发。针对多个移动用户在同一时刻请求同一视频内容的传输调度问题,我们提出了一种可伸缩编码(Scalable Video Coding,SVC)视频流非正交组播传输调度方案,所提方案从用户体验角度出发对非正交组播的资源分配与SVC视频流的传输控制进行联合优化,突破了传统方案的性能瓶颈。首先,我们建模了无线资源约束下用户效用和最大化问题。然后,我们推导了该问题最优解的相关性质,进而,我们设计了基于递归方法和动态规划方法的求解算法。最后,大量仿真实验的结果表明,和传统方案相比,所提方案能利用有限的无线资源取得更高的用户效用。3、研究面向移动边缘网络的视频多点协作分发。针对多个移动用户在同一时刻请求不同视频内容的传输调度问题,我们提出了一种自适应视频流设备间(Deviceto-Device,D2D)传输调度方案,所提方案利用有限频谱资源建立多条D2D通信链路,从用户体验角度出发对D2D通信的资源分配与视频流传输的码率控制进行联合优化,突破了传统方案的性能瓶颈。首先,我们建模了视频流畅性约束下画面质量损失的时间平均期望最小化问题。然后,我们设计了基于李雅普诺夫最优化方法的求解算法。最后,大量仿真实验的结果表明,和传统方案相比,所提方案能调节卡顿与画面质量之间的折衷,并能利用有限的频谱资源取得更高的用户体验质量。综上所述,本文主要研究了面向移动边缘网络的视频内容分发,包括视频智能缓存分发、视频非正交组播分发和视频多点协作分发,旨在利用有限的网络资源高效地保障多用户请求视频内容时的体验质量。