近年来,随着移动通信设备的增加和用户对数据传输速率要求的不断提升,业界提出在传统宏蜂窝网络的基础上布置大量的低功率小覆盖的微基站、毫微基站和毫微微基站等,构建异构网络,增强接入与回程容量,提高系统吞吐量,改善用户服务体验。对于传统的内容获取类应用而言,用户需要从核心网服务器获取内容,时延较高,数据传数量大。移动边缘缓存技术则是解决该问题的一种有效方案,将远端服务器的热点内容放置于基站等接入点中,拉近用户与内容的距离,可以显著降低内容的传输时延,增强用户体验。在异构网络中应用边缘缓存技术,不仅需要考虑基站自身的容量和内容存储方式,还需要考虑用户的位置和数量。由于在异构网络中低功率基站覆盖范围较小,用户的移动会对基站的缓存内容放置和传输造成很大影响。此外,为了提高缓存资源的利用效率和用户体验,如何设计适用于异构网络的缓存内容推荐算法,兼顾用户偏好和内容流行度,也是需要深入探讨的问题。因此,本文对异构网络中的分层缓存和缓存内容推荐算法展开研究,主要工作如下:提出了一个考虑多基站负载变化的动态分层协作缓存策略。用户分布不均造成了基站负载不均,用户移动则会使各个基站的负载经历潮汐效应。本文充分考虑了各基站负载不均的情况,将基站的缓存空间实施分层存储,独立缓存层主要用于本基站覆盖范围内的用户,协作缓存层则服务于整片区域内的所有用户,并且根据用户的实时分布情况对基站缓存空间的分层比例进行动态的调整。考虑基站负载不均等因素,对用户请求时延的优化问题进行建模,优化目标是最小化多用户时延总和。仿真结果表明,与现有的最热门缓存策略、协作缓存策略和固定分层协作缓存策略等进行对比,所提出的动态分层协作缓存策略在保证缓存命中率的同时,有效降低了时延。提出了一种基于双列表的缓存推荐算法。首先将用户的请求和内容以多维度向量的形式表示,并对向量的多个维度进行逐一量化。接着用极大似然估计对用户的历史请求进行计算,以获得用户的个人偏好向量。然后分别基于用户个人偏好和用户当前的请求,在基站生成两个推荐列表。最后,根据用户偏好和当前请求的余弦相似度,将两个列表进行整合,形成一个考虑了用户偏好和当前请求的推荐列表。仿真结果表明,与最热门缓存推荐算法、基于用户偏好的缓存推荐算法和基于用户当前请求的缓存推荐算法相比,所提出的基于双列表的缓存推荐算法提高了推荐命中率。