随着移动通信网络的进一步发展和万物互联时代的到来,网络边缘设备数量激增,产生的数据流量呈现出爆发式增长,移动边缘计算的提出成为缓解链路压力最有效的方法,同时,依托于云计算中心的集中式处理,移动边缘计算将一部分用户数据在边缘设备中处理和缓存,大大增加了用户数据的实时性和安全性,因此,移动边缘计算在新一代移动网络中备受研究者和网络供应商的关注。在现有的移动边缘计算的相关研究中,存在有以下缺陷:（1）未考虑用户的主观因素;（2）缺少联合优化思想;（3）网络拓扑和用户移动性等方面不合理。本文采用移动边缘计算的三层网络模型,并通过计算机代码实现仿真平台。边缘设备被分成微基站和宏基站两层,由于宏基站覆盖范围广、缓存容量大且距离用户相对较远,因此,在宏基站和微基站缓存文件的效果差异很大。本文考虑视频、图片、文本文件三类业务,并基于文件特性、设备性能和用户特征等多维用户差异性,提出一种用户满意度的计算方法,该算法明确定义出视频的传输连续性和收益延迟性。在本文中,用户满意度是衡量网络性能的决定性因素,该指标在客观因素基础上,同时考虑用户的主观因素。在三层网络模型的基础上,引入视频业务以后,需要一种能够存储和试探解空间绝大部分解,又能兼顾视频连续性和延迟性的算法来解决边缘缓存问题。本文论证了深度Q网络的可行性,同时设计出多种环境和智能体间的接口策略,选择一种收敛时间、性能折中的策略。基于用户满意度和深度Q网络,本文提出了一种边缘缓存更新算法,该算法相较于传统算法有着更加优越的性能,并且在视频类业务方面,性能提升更加明显。本文论证了基于分布式接入方式,采用基于置信传播的资源分配方法具备可行性。以达到最低空口速率的用户数量作为优化目标,以用户归属和带宽分配作为优化对象,提出一种基于置信传播的用户资源联合优化算法。优化目标主要针对视频业务,考虑设备性能和用户特征对于视频业务的影响。在确定用户归属以后,需要将每个基站作为带宽资源的分配单元,为该基站提供服务的用户分配带宽,本文提出一种适合于该场景下的带宽分配算法。随后,本文将边缘缓存和资源分配联合优化,效果是总体用户满意度下降,而用户对于视频类业务满意度上升。最后在网络模型中加入用户移动性,使得仿真场景更加贴近实际,仿真结果表明,在所有业务的用户满意度方面,提出的联合优化算法性能下降,甚至略差于传统算法,但是在视频类业务的用户满意度方面,仍然有较大的优势。