移动互联网高速发展的当下,接入互联网的终端设备呈现爆发式增长。因此,现有的云计算在处理海量请求时产生的问题也日益明显。2011年,思科最早提出雾计算概念。雾计算可快速计算、存储用户的需求,并且与远端云计算相互协作提供更为强大的运算能力。利用雾计算贴近用户终端的特点,雾节点对相同的用户请求进行缓存,以减少核心网络的负载。受限于雾节点本身的存储容量,需对雾节点的存储空间进行合理优化以满足更多用户终端请求。本文分别对雾节点进行了被动、主动缓存优化研究,具体工作如下:本文提出了一种基于古诺博弈的链路最小代价缓存优化算法。首先,将雾节点缓存空间划分为协作和非协作部分;然后,根据用户请求内容的缓存价值进行缓存替换;最后,利用动态古诺博弈算法对各雾节点协作部分进行竞价来获取最大收益,以达到整个缓存系统链路开销最小目的。仿真结果表明,所提出的算法相比传统算法在缓存命中率、链路开销等方面表现更优。本文提出了一种基于用户移动性的主动协作缓存算法。首先,利用传统的隐马尔可夫预测模型对用户终端位置信息进行预测。然后,结合自回归积分滑动模型提前将内容缓存在用户路径的雾节点上,以达到优化整个缓存系统的缓存利用率。最后,仿真结果表明,所提出的算法在缓存命中率和网络流量方面均有所提升。