随着5G时代的到来,移动通信将面临巨大的增长。由于物联网技术和应用在不断发展,核心网的云集中处理模式将无法满足万物互联的实时性需求,边缘计算模型便应运而生。本文研究了边缘服务器覆盖的场景下,有能量约束的无人设备路径规划问题。并且进一步研究了无人设备在规划好的路径上运动时,与核心网的数据交互问题,提出了一种能耗最优的边缘缓存策略。移动边缘网络中,无人设备需要经过一系列目标节点去完成任务,而在这个过程中,无人设备受到能量约束,也就是最大行驶距离的约束。传统的路径规划问题很少有考虑能量约束的,尤其是这种场景下的全局消耗最优问题,还很少有相关研究内容。所以如何在任务以及能量的约束下寻求最佳路径方案,使其总消耗最小,是目前研究的难题与挑战。本文对于充能节点以及任务目标节点构建场景拓扑图模型,并且将无人设备在真实场景中的能量损耗、时间开销以及联合损耗建立为所要优化的目标函数。然后,本文提出了一种基于分段递归的离线全局路径规划算法,在最优的路径集合中递归计算并选择全局最优的路径。最后与khuller算法以及贪婪算法进行了仿真对比,验证了所提出算法的有效性。无人设备在移动过程中,云中心向无人设备下发的数据内容,如何根据无人设备未来行驶路径上的时空位置,提前缓存到对应的边缘服务器,并在无人设备到达该边缘服务器覆盖区域时由该边缘服务器直接缓存到无人设备,是目前的研究尚未解决的问题。为此,本文针对这种场景,设计了一种基于无人设备到达概率的边缘缓存方法。本文以传输过程中的整个系统传输数据的能量消耗为优化目标,将其抽象为目标函数。在已知无人设备行驶路径之后,根据无人设备的速度以及场景约束条件,得到某个时间点无人设备在路径上的概率分布。将要进行缓存的内容切分为多个片段,对于每个片段,云中心只向缓存该片段时无人设备到达概率较大的边缘服务器预缓存该内容片段。在无人设备行驶过程中,无人设备可直接向本区的边缘服务器获取数据,大大提高了数据的传输效率。最后,与目前主流的边缘缓存算法进行了仿真对比,验证了所提算法的有效性。