为了应对当前互联网存在的各种挑战,国际上热门的研究思路之一是重新构建一个以信息为中心的新型网络(ICH),而内容中心网络(CCN)正是其中的一种。CCN中每个路由节点都具有缓存功能,全网缓存系统的存在可以降低网络中的冗余流量,提高请求的响应速度。因此,优化缓存系统的性能对CCN而言有重要意义。由于CCN缓存相对于传统缓存有透明化、泛在化、细粒度化的新特性,对缓存系统优化算法的设计提出了新的挑战。本文主要从缓存决策策略和缓存空间分配策略两方面优化缓存系统的性能,具体工作如下：第一,提出了基于K核值的缓存决策策略。目前CCN缓存决策的主要思路是选择路径中对信息传播影响力最大的节点,并在该节点缓存数据。这样既能降低缓存冗余度,又能提高缓存数据多样性。因此度量节点的信息传播力成为算法设计的核心。针对目前CCN中常用的基于介数的指标存在计算复杂度高,节点对信息传播的影响力识别不准确等问题,本文将复杂网络中的K核分解方法引入到CCN缓存的研究中,并基于K核分解方法给出了节点K核值的定义。基于节点K核值的度量方式不仅计算复杂度低,而且对网络中节点对信息传播能力的识别更准确。针对路径上同时存在多个K核值最大节点的情况,给出了基于节点剩余缓存空间和到请求节点距离的决策策略。通过仿真实验验证,该算法相较于基于介数的缓存策略不仅有更快的缓存系统收敛速度,而且有更高的缓存命中率和更快的请求响应速度。第二,提出了基于介数和K核值的缓存空间分配策略。首先通过仿真实验发现在相同的缓存决策策略下,不同的缓存空间分配方式系统的缓存命中率不同。于是本文从节点的重要性与节点的流量特性及其在网络中的拓扑连通性相关这一角度出发,通过将介数指标和K核值指标相结合,给出了节点BK值的定义,并提出了基于BK值的缓存空间分配策略。通过仿真实验,确定了BK值公式中介数和K核值的权重分配比例,并验证了将该缓存空间分配策略与基于K核值的缓存决策策略相结合时系统的缓存命中率进一步提高。