全球移动终端设备数量的增长,使得移动数据流量激增,导致当前蜂窝网络不能承受如此大规模的用户同时接入。流量统计发现内容流行度服从齐普夫定律,即80%的用户请求20%的文件。面对这种大量用户请求相同内容而导致网络重复传输相同内容给不同用户的问题,已有研究文献提出将热门内容缓存在蜂窝网络基站处可以减少文件的重复传输。随着D2D(Device-to-Device)通信技术的标准化,用户之间可以通过D2D通信传输内容,因此将热门内容缓存在用户终端成为了一个研究热点。虽然目前关于移动边缘缓存的研究已经取得一定成果,但还有一些问题亟需解决,如用户社交关系对用户通信的影响、如何选择用户作为缓存节点、用户和周围多个用户通信时因内容重复缓存造成的节点缓存空间浪费的问题。上述所有问题正是本文的研究重点。本文研究了基于用户物理位置以及社交关系的重要用户选择算法。为了研究社交网络对移动终端内容分发的影响,本文在物理层上引入了一个社交网络层模型构建了物理-社交网络联合模型。在此模型基础上,定义了用户的社交吞吐量用于衡量一个用户的重要性,将重要用户选择问题建模成0-1整数规划问题来最大化系统社交吞吐量并提出了一种重要用户选择算法可以得到重要用户选择问题的近似解。仿真结果表明该重要用户选择算法相比较随机选择用户和中心节点度选择用户使得系统平均时延下降了3%。在确立的用户物理-社交网络联合模型以及文件缓存点的基础上,本文进一步研究了用户在接入一个或多个重要用户场景下的文件缓存问题,将文件缓存问题建模成一个非线性整数规划问题来最大化系统时延增益。在证明文件放置问题是一个NP-hard问题、限制条件是剖分拟阵、目标方程是下模集函数的基础上,提出了文件缓存算法并分析了文件数量、重要用户的缓存空间、重要用户的数量、内容流行度参数等参数对系统平均时延的影响。相比最流行文件缓存和随机缓存,本文提出的文件缓存算法联合重要用户选择算法使系统平均时延下降了5%和10%。