物联网是第五代移动通信技术（the Fifth Generation Mobile Communication,5G）重要的应用领域之一。随着智慧城市、智能电网、自动驾驶等新兴业务的涌现,移动通信网络需要满足海量连接、高可靠、低时延的需求。面对这些需求,移动边缘缓存成为蜂窝物联网中重要的研究方向。通过将物联网数据缓存在网络传输层的中间节点上,可以有效减少网络流量,同时降低设备能耗以及用户时延。然而,由于单个缓存节点具有局限性,导致缓存利用率较低。为了提高缓存资源利用效率,协作缓存成为最具应用潜力的技术之一。在物联网中研究协作缓存技术面临两方面挑战。一方面,物联网设备通常是由电池供电的,工作时长受限于电池容量的问题,同时物联网数据具有实时性的特点,缓存会降低数据的时效性;另一方面,随着物联网设备呈指数级的增长,新设备产生的冷启动数据也影响了用户访问的时延。虽然主动缓存性能优异,受限于其间隔更新的特点,无法缓存冷启动数据。因此,本文分别针对物联网中引入协作缓存技术的两方面挑战进行了研究:第一,针对物联网设备能耗最小化问题,提出了基于数据生存周期的协作缓存策略。首先,根据数据的时效性来定义数据的生存周期,联合用户的访问速率以及数据的生存周期筛选出待缓存数据。其次,在分层的蜂窝物联网架构中联合小基站与宏基站来优化资源分配以及内容放置。然后,以物联网设备能耗最小化为目标,建立数学模型并求解。根据数据生存周期、用户访问速率、数据大小提出了两种启发式算法以满足不同场景的需求。最后,仿真结果表明所提出的方案可以动态适应请求速率的变化,并且能够有效的节省物联网设备的能耗。第二,针对时延最小化问题,提出了基于数据冷启动的协作缓存策略。首先,描述了物联网场景下普遍存在的冷启动问题,通过小基站与宏基站的协作来执行缓存策略,同时根据数据的流行度以及实时性来执行缓存替换策略。其次,针对两种不同类型的数据,设计了一种新颖的混合缓存策略。对于具有历史记录的热门数据,采用深度学习来预测未来时刻内容的流行度来进行缓存。对于没有历史记录的冷启动数据,则采用改进的被动缓存算法来缓存。两者的结合不仅可以保证缓存性能,而且可以解决数据冷启动的问题。最后,仿真结果表明混合缓存能够同时处理热门数据以及冷启动数据,同时提高了缓存命中率并减少了用户访问延迟。