随着5G时代的到来,移动设备和物联网的大量应用,数据流量呈爆炸性增长。如何在确保用户Qo S和Qo E的情况下,对异构蜂窝网络系统进行流量卸载是一个要解决的重点。小基站的超密集部署成为一个解决方案,但基站超密集部署的花费较大,为解决该问题,许多研究者提出了无线边缘缓存的方案,在网络节点进行内容缓存能够有效提升网络性能,降低回程链路负担同时减少内容传输冗余。无线边缘缓存一般包括缓存内容放置和内容传递两个方面,缓存内容放置包含确定要缓存的内容、缓存的位置;内容的传递是如何将内容高效地传递给请求的用户。为了解决上述问题,本文研究的重点是在预测用户的移动性、内容流行度并结合用户社交关系等信息情况下,从而提出合理的内容放置策略以及内容传递策略。本论文的主要工作如下:一:基于D2D通信模型的无线边缘缓存替换策略:在无线网络边缘进行缓存能够极大地卸载网络流量,同时又能够满足本地移动用户对内容的请求。但是,在一些现有研究中假设内容流行度等于用户喜好是不严格的,因为内容流行度是根据特定时期内用户请求的统计数据计算得出的,而用户喜好则反映了个人用户请求内容的概率。本文对D2D与蜂窝分层网络的边缘缓存进行优化,优化结果是通过D2D通信链路最大化内容卸载量,在分析内容流行度、用户喜好和用户移动性前提下,推导出基于D2D通信模型的边缘缓存替换策略。首先证明问题是NP难题,然后采用一种基于Q学习的分布式内容替换策略。实验仿真结果证明我们采用算法的有效性。二:基于D2D通信网络的联合内容放置和内容传递策略的研究:D2D通信技术有望缓解网络压力,因为可以从附近的用户那里获取请求的内容,但是由于内容存储容量有限和用户移动性模式的不确定性,因此如何设计有效的缓存策略非常具有挑战性。在本文中,我们研究基于D2D网络的联合缓存内容放置和内容传递的策略。具体为:采用递归神经网络方法来预测用户的移动性和内容流行度,从而确定要缓存的内容以及在何处缓存。当用户的本地缓存难以满足其自身的请求时,用户可以考虑与邻近的一个或多个用户建立D2D通信链路以实现内容传递,为了决定与哪个用户建立D2D通信链路,我们采用基于深度强化学习的方法实现内容传递问题的动态决策和优化。实验结果表明所采用的内容放置策略可以很好地提高系统的缓存命中率,并且所采用的内容传递方法可以有效地减少请求内容传递的延迟和能耗。