随着移动通信技术的迭代发展,智能终端设备数量呈爆炸式增长,网络边缘产生了大量对内容的检索请求。随着新型应用的不断涌现,用户开始订阅各种类型的实时服务,如社交网络、直播视频、网络游戏、天气监测等。在这种以内容为导向的服务中,对内容的交付时延要求越来越严格。在传统的集中式架构中,对内容的检索请求通常被转发到核心网的内容服务器,大量的内容回传导致了回程链路的拥塞,进而使获取内容的时延增加,降低了服务质量（Quality of Service,QoS）。因此,将内容下沉到网络边缘,充分利用边缘基站侧及终端用户侧的缓存资源可以实现高效内容分发。在传统的无线边缘网络缓存策略中,多以时延、吞吐量、命中率或能量效率作为衡量缓存策略性能的指标。在新型实时类应用场景中,内容具有时效性,陈旧老化的内容甚至会对用户产生误导性。因此,如何以内容的时效性作为性能指标设计缓存策略是值得研究的问题。本文基于信息年龄的概念,研究基于时效性最优的内容分发及缓存部署策略。本文主要贡献如下:（1）针对D2D（Device-to-Device）通信辅助的边缘协助缓存架构,提出内容时效性约束下的高能效内容获取策略。由于通信距离较小以及潜在的复用和跳频增益,相较于传统蜂窝链路服务用户的方式,通过D2D通信的方式服务用户具有更高的能效。然而由于终端设备处缓存的更新多为被动式,无法保证内容的实时性,因此通过D2D通信获取的内容时效性较低。本文以用户获取内容的时效性作为约束条件,将最小化全网长期能耗问题建模为马尔可夫决策过程（Markov Decision Process,MDP）。为了求解该问题,本文使用贝尔曼方程以及原始约束条件下内容的时效性与能耗的内在关系,将最小化长期能耗问题转换为一个离散时隙的最小化能耗问题,并提出低复杂度的在线内容获取策略。最后,通过仿真验证了所提策略在能耗和时效性方面具有优越的性能。（2）将D2D通信辅助的边缘协作缓存架构拓展至具有高动态性的车联网中。通过车辆或路边单元提供内容可以提高内容分发效率,车辆可以使用V2I（Vehicle-to-Infrastructure）通信从蜂窝基站或路边单元（Road Side Unit,RSU）获取内容,也可以使用 V2V（Vehicle-to-Vehicle）通信从缓存有所需内容的周围车辆获取内容。考虑车辆请求内容对时效性的要求,本文定义年龄价值函数表示不同年龄的内容对车辆决策的影响,提出了一种以最大化内容价值为目标的V2V协作缓存部署策略。车联网的动态性带来了两个问题:一是RSU的覆盖范围有限影响车辆获取内容的效率;二是内容流行度分布具有时空变化特性。首先,针对RSU覆盖区域有限的问题,本文采用基于轨迹预测的缓存助手选择算法,有更大概率到达热点区域的车辆节点有机会服务更多的车辆,选择这类车辆作为RSU内容分发助手。其次,由于车辆移动性导致内容流行度具有时空变化特性,本文提出基于多臂赌博机（Multi-Armed Bandit,MAB）的内容流行度预测算法。通过综合考虑内容的时效特性和流行度分布的时空变化特性,将最大化内容价值的内容部署问题建模为整数规划问题。为了快速求解该问题,本文提出了基于贪婪算法的内容价值最大增量算法。通过仿真证明了这一策略在命中率和时效性方面的效果。