移动边缘计算（MEC）通过将资源部署在用户的近邻区域，可以减少移动设备的能耗，降低用户获取服务的时延；然而，大多数有关缓存方面的研究忽略了用户所请求服务的地域差异特性。通过研究区域所请求内容的特点和内容的动态性特性，提出一种收益最大化的缓存协作策略。首先，考虑用户偏好的区域性特征，将基站分为若干协作域，使每一个区域内的基站服务偏好相同的用户；然后，根据自回归移动平均（ARIMA）模型和内容的相似度预测每个区域的内容的流行度；最后，将缓存协作问题转化为收益最大化问题，根据存放内容所获得的收益，使用贪心算法解决移动边缘环境中缓存的内容的放置和替换问题。仿真实验表明，与基于MEC分组的协作缓存算法（GHCC）相比，所提算法在缓存命中率方面提高了28%，且平均传输时延低于GHCC。可见，所提算法可以有效提高缓存命中率，减少平均传输时延。
