1.基于区域用户兴趣匹配的移动边缘缓存方法，其特征在于：该方法包括以下步骤：S1：建立区域用户偏好模型；

S2：建立联合缓存优化策略；

S3：建立缓存系统模型；

S4：设计缓存算法；

所述步骤S1具体为：

首先对流媒体内容进行分类，通过对用户请求记录的分析，假设内容类型有k类contents＝{c1，c2，...ck}，将用户对不同内容类型的偏好定义为用户的兴趣度；根据用户的兴趣度依照时间段分为长期兴趣和近期兴趣，长期兴趣是用户在长期的内容请求过程中，表现出的稳定兴趣；定义用户的兴趣向量由用户的长期兴趣和用户的短期兴趣共同组成；

通过分析依据用户对流媒体视频文件的历史请求记录，计算用户的长期兴趣和近期兴趣，用户i对内容j的长期兴趣为：用户的短期兴趣为：

定义用户i，对内容j的兴趣度兴趣为：U(i，j)＝λhisuhis+λrecurec由于不同用户的活跃度存在着明显的差异，导致不同用户的兴趣度对区域兴趣的影响也大不相同；业界研究结果表明，少数流量较大的用户贡献了蜂窝网络中的大部分流量，为用户提供缓存时，将给予重度用户以较大的兴趣偏重，以获得最大的带宽节省可能性；在考虑到同一区域不同用户对流行内容的请求量的差异时，在模型中引入用户活跃因子q(i，act)，表征用户的活跃度；定义用户的活跃度为：故基站用户的区域总兴趣度为：

在全局缓存中，每个流媒体文件都有自身的流行度，将流媒体文件在全局中被访问量作为该文件的流行度，研究表明，在全局范围下，内容的流行度满足Zipf分布，即排名前

20％的内容，占据总访问流量的80％；考虑到5G时代下，VR视频，超高清8K视频的高增长需求，即使全部缓存全网20％的流行内容对于有限的边缘缓存空间来说，仍然是困难的；采用MPV缓存策略，为每个基站缓存全网最流行的内容，可以在全局视角下极大地降低高流行度内容给核心网回程链路带来的压力，但与此同时，也会导致基站产生较大的缓存冗余，使缓存内容的多样性大大降低，缓存命中率和用户的QoE在部分区域将会呈现出极大的衰退；综合全局内容流行度与区域用户兴趣偏好制定联合优化缓存策略，通过在靠近用户的基站侧部署MEC服务器，根据区域用户兴趣制定联合优化缓存策略；

所述步骤S2具体为：

以多个MEC组成的缓存域为对象，以区域最小化传输开销为目标，考虑用户分布和需求的差异性，制定区域联合缓存策略，联合优化区域的缓存性能和区域用户的QoE；

所述步骤S3具体为：

系统模型由用户层，基站侧层和中心网络层组成；每个基站侧有一个MEC服务器负责基站下用户数据的收集、计算及基站下用户兴趣列表的维护与更新，为缓存内容的放置与更新提供支撑；将能够进行缓存内容共享的MEC服务器组成联合缓存域，在缓存域内各个MEC服务器完成用户兴趣，位置信息的收集、对用户的情境的感知，共享用户的兴趣信息和缓存内容表，当本基站下用户发起请求时，该请求将优先定向到本地MEC服务器进行内容查找，若本地无内容则向缓存域内的其他MEC服务器发起请求，并将请求到的内容传给用户；由于缓存内容在缓存域中进行传输时会产生额外的传输开销，将以传输开销的最小化为目标进行内容缓存；

所述步骤S4具体为：

将内容的全局流行度和区域兴趣度结合，依据缓存内容的优先级进行内容的缓存；首先，定义每类流行内容全网中内容流行度作为初始内容优先级pri，取各个基站总的区域兴趣度，两者归一化后进行求和，得到最终缓存内容的优先级，依据最终缓存内容的优先级顺序依次进行缓存；在缓存内容放置时，首先定义：联合缓存域中MEC服务器集为M＝{b1，b2，b3，..，bq}，缓存内容集为contents＝{c1，c2，c3，...，cm}，内容集里的内容按照缓存优先级进行排列，定义每个文件大小为len，MEC服务器之间的最短跳数为 缓存域内单位数据单跳的传输开销为λ1，中心服务器向缓存域中的MEC服务器部署内容时的最短跳数为单位数据单跳的传输开销为λ2，由于中心服务器将内容开销无疑将大于缓存域内部传输内容的开销，故λ2>λ1；计算缓存内容在各个MEC服务器处产生的传输开销，取总开销最小的MEC服务器作为该内容的最佳缓存位置；

S41：缓存优先级计算

将全网流行内容按照全网内容流行度进行初始化排序，得到TOPN的初始缓存内容列表，根据联合域中的用户历史请求记录，计算每个类型内容的历史请求概率pi，定义缓存内容的流行度与历史请求概率的乘积作为该内容的缓存优先级，假设每个内容大小均为len，缓存域的总空间为space，则从N个缓存内容列表中依照缓存优先级选取前space/len个内容作为缓存域中待缓存的内容；

S42：缓存位置选择

传输开销函数定义：

req(i，j)代表i基站下的用户对内容j的潜在请求量，依据用户的兴趣及历史请求记录将用户对内容j的平均请求次数作为用户潜在的请求量；

首先，取缓存优先级最高的内容j，分别计算j在各个MEC服务器下的缓存开销cost(i，j)，取最小时的MEC服务器i作为内容j的缓存位置；

Min{cost(1，j)，cost(2，j)，...cost(q，j)}假设MEC服务器的存储容量均为s，故：在满足以上条件下继续内容的缓存操作，当缓存空间用尽时，则缓存终止，此时达到缓存内容的多样性最大下的最小传输开销。