根据5G通信发展以及移动计算边缘化的特点，研究了多臂算法在边缘缓存中的不足之处，针对这些不足之处，团队研究了无线边缘侧用户时空特性中的中心行为对访问内容的影响，从而利用联合分析算法对群体中的用户行为和内容偏好进行分析，提取群体中中心行为对内容偏好的模式，从而构建群体上下文，进而使用带剪纸策略的上下文缩放算法，解决上下文多臂问题中探索空间大，收敛速度慢的问题，同时通过缩放策略中的自适应上下文空间分裂，实现自适应细粒度的上下文空间划分，实现更高效的内容缓存。

团队结合的移动互联网发展需求，发现运营商需要在为用户提供优质服务的同时，尽可能的节省资源的消耗，而合适的缓存策略可以有效的减少内容传输过程中的消耗，因此本团队提出一种基于用户群体特征的合作缓存框架，利用用户访问行为中的群体特征构建基站的合作关系，并基于基站间的合作关系，综合考虑激战合作带来的命中率的提升和级战舰数据传输所带来的传输代价，以最大化命中率和最小化传输代价为优化目标制定缓存策略，同时在应用上，考虑随时间演进，网络结构的更新和基站缓存内容的更新。图1为合作缓存架构图。

图1 合作缓存架构图

团队与中船重工集团合作，开发出基于Hadoop平台的ZZ系统网络数据记录原型系统软件，以提高其研究室对ZZ系统数据的实时记录与解释、数据大批量处理能力，提高其设备在海量数据读取与存储方面的能力，完善功能。此系统的软件功能如图2所示。

图2 软件结构框图