随着5G通信技术的飞速发展,虚拟现实（Virtual Reality,VR）与增强现实（Augmented Reality,AR）等流媒体技术因能够构建出一个可交互、沉浸式的虚拟世界而成为当前研究的热点。而作为VR/AR技术的重要组成部分,360度视频能够通过VR设备,如头戴式显示器（Head Mounted Displays,HMD）,为观众提供沉浸式体验。然而,由于360度视频具有低延迟、高比特率、高帧率等特点,在其传输过程中会占用大量带宽以及计算资源,这使当前的通信网络面临巨大的挑战。当用户佩戴HMD观看360度视频时,受视野（Field of View,Fo V）大小的限制,同一时刻仅能看到视频的一部分。因此,结合基于Tile的自适应流传输技术,将360度视频从空间的维度上进行切分,并根据观众的Fo V,以切分后的空间块（Tile）为粒度进行网络传输,能有效节约带宽资源。此外,移动边缘计算（Mobile Edge Computing,MEC）技术由于在网络边缘提供丰富的存储与计算资源,也能够有效缓解回程链路上的传输压力。因此,基于Tiling与MEC技术,寻找一个新颖且高效的边缘缓存策略对于360度视频的网络传输是很有必要的。本文根据360度视频的自适应流传输特性,提出采用组合多臂赌博机（Combinatorial Multi-Armed Bandits,CMAB）的方法解决360度视频的边缘缓存问题。首先,本文提出了一种时延与能耗联合优化的360度视频边缘缓存方案。具体地,本文结合Tiling技术,对基于MEC技术的360度视频传输系统进行建模,旨在满足MEC服务器的缓存容量约束下,最小化系统传输时延以及MEC服务器上的计算能耗,并利用加权和的方式将问题重建为一个单目标优化问题。通过对MEC服务器的缓存倾向分析,该问题实际是一个典型的Exploitation＆Exploration（EE）问题,因此采用组合置信区上界（Combinatorial Upper Confidence Bound,CUCB）算法对该问题求解。此外,为应对传统CUCB算法中过度的exploration,本文提出了一种改进的CUCB算法以加快算法学习效率。通过仿真验证,本文提出的算法在学习奖励与遗憾、传输时延、系统能耗以及命中率等方面优于现有的算法。在采用上述方案对360度视频边缘缓存方案进行学习时,MEC服务器中的缓存内容需要不断的切换,但在缓存策略设计中该过程却未被体现。因此本文提出了一种考虑切换成本的360度视频边缘缓存方案,旨在满足MEC服务器的缓存容量约束下,最小化系统的传输时延以及切换成本。具体地,本文首先为充分利用MEC的计算资源,引入视频转码的功能,缓解MEC的存储压力,并将切换成本定义为缓存切换时所需的时延。为求解该缓存决策问题,本文基于CMAB理论提出了一种新颖的CUCBSC（CUCB with Switching Cost）算法,并对该算法的遗憾上界进行了严格的理论分析。最后,通过实验对比,所提出的算法在平均学习遗憾、传输时延、切换时延以及命中率等方面都取得了优秀的表现。