近年来,我们正经历着多媒体内容消费的爆炸式增长,多媒体内容在互联网服务中所占比重愈来愈大,并且在可预见的未来,这一比重还会逐步增加。伴随着无线网络技术的快速发展,其承载了互联网中相当比例的多媒体内容消费流量。事实上,移动通信网络的每一次更新换代都带来了带宽与服务质量的显著提升。沉浸式媒体技术的涌现,如增强现实(Augment Reality,AR)、虚拟现实(Virtual Reality,VR)以及点云(Point Cloud)等,使得多媒体内容数据在量级上增长。这多方面的变化与发展,对互联网提供可靠的服务带来了巨大压力,内容分发网络(Content Delivery Network,CDN)为缓解这种压力提供了可行的解决方案。自诞生以来,内容分发网络在理论研究和实践应用中取得了丰硕的成果,创新性的研究成果不断涌现。近几年间,应用大数据技术与机器学习方法的内容流行度预测被广泛研究与应用,提升了缓存效率;学术界提出的编码缓存(Coded Caching)等方法为缓存提供了新的研究方向。这些研究与应用促进了内容分发网络的发展。在过去的几年,无线网络的内容传输网络,主观质量评价(Quality of Experience,QoE)作为多媒体服务评判指标以及沉浸式媒体技术得到了广泛的关注。本文正是围绕着这几个方面开展如下研究:第一,以优化QoE为目标设计了在无线网络多播场景下的缓存策略及相应算法;第二,基于全景视频分块传输的理念设计了基于QoE和显著度(saliency)的缓存策略及相应算法。归纳全文的研究内容,可总结为如下几个方面:1)提出了一种多播推送场景下以所有用户整体QoE最大为目标的缓存策略及相应算法。在该部分中,针对单个视频文件,我们根据用户接入网络速率的差异,在缓存空间的限制下,以所有用户整体QoE最大化为目标对用户设定最优分组(分组数、每组用户数量)及向相应组别推送的最优视频码率,基于此结果设计了一种多媒体文件自适应码率的缓存策略。在论文中,着重介绍了该问题最优化模型的建立与算法的设计,以及不同算法效率的对比。使用matlab对该模型进行了仿真,并将仿真结果与理论分析进行了对比验证。2)基于全景视频分块传输的理念,提出了一种以QoE和显著度为指导的缓存策略及相应算法。在该部分中,基于全景视频各分块显著度的差异,在对用户分组多播场景下,对带宽资源分配与用户分组进行优化,并根据优化结果设计了不同分块及其码率的缓存策略。其优点在于提高了带宽资源的利用效率。在论文中,我们着重研究了如何设定合适的考量因素(如QoE的计算模型,显著度等)来构建一个有效的最优化模型,并采用拉格朗日乘子法与贪心算法对该模型进行了求解。