近年来,随着互联网的快速发展,激增的数据流量对当前网络架构提出了挑战。同时用户在互联网上的行为重心逐渐向信息交换和内容获取转移。为应对当前网络架构的不足,以内容为中心且用户驱动的命名数据网络（Named Data Networking,NDN）应运而生,其泛在缓存、灵活路由转发等特性为内容的获取提供了极大的便利。为充分利用NDN网络架构的优势,考虑在NDN网络中嵌入计算功能,以满足用户对新兴计算密集型业务的需求。然而,当前NDN网内计算服务的缓存放置和请求转发仍面临诸多问题,如缓存空间利用率低、节点负载失衡和网络拥塞等。针对上述问题,本文主要研究工作描述如下:为实现高效的网内计算节点服务缓存,减少缓存替换开销,本文提出了一种基于服务缓存价值和服务源的缓存放置策略。利用服务流行度和新近频率值（Combined Recency and Frequency,CRF）计算服务缓存价值,为缓存放置设置价值门限,以提高缓存利用率。进一步,根据服务来源和节点所处位置的差异,设置不同的缓存放置概率,旨在将高价值服务缓存在更靠近用户侧。仿真结果表明,所提服务缓存放置策略提高了路由节点平均缓存命中率并降低了服务请求跳数。为实现网内计算节点的负载均衡,并缓解网络拥塞,本文提出一种基于改进式蚁群算法（Ant Colony Optimization,ACO）的服务请求转发策略。利用服务计算成本和传输成本计算服务源评价因子,更新改进式蚁群算法的期望启发函数,以实现各节点间负载均衡。进一步,利用网络拥塞状态信息,更新改进式蚁群算法的信息素浓度,调整各接口转发概率,以缓解网络拥塞。仿真结果表明,所提服务请求转发策略降低了服务响应延时、减少丢包率并实现了负载均衡。