在本论文中,我们主要考虑在缓存驱动的异质网络中的最优边缘文件缓存问题。其中,最优的文件缓存策略需最小化随机用户请求的文件不命中率的统计平均,即一个典型的用户无法在其周围的可接入的基站中找到其所请求的文件的概率的数学期望。对比于当前的仅考虑基站文件缓存的优化策略,我们首先考虑了基站激活密度和基站文件缓存概率的静态联合优化,此静态联合优化问题同时需要满足基站缓存容量及基站能量消耗的限制。同时基于随机几何技术,我们将基站和用户的分布建模为均匀泊松点过程。在求解静态联合优化问题的过程中,我们首先将原始优化问题转化为凸优化问题,再将其转化为几何规划问题,然后使用CVX工具箱求解。原始优化问题向凸优化问题的转化允许我们利用KKT条件去获得最优解的一些解析性质。本文中我们主要证明了异质网络各层文件缓存概率的门限定理。基于此门限定理,我们更进一步提出了一个低复杂度的次优算法用于快速获得最优文件缓存概率的一个近似解。然后,为克服静态文件流行度所带来的限制,我们考虑了一个在多cluster异质网络中,随时间空间演进的动态缓存更新策略。在此动态缓存更新策略中,我们主要考虑一个双阶段的缓存更新优化。在初始的第一阶段的完全缓存更新优化中,仍然主要考虑基站激活密度和基站缓存概率的联合优化。我们仍然可以将此优化问题转化为凸优化问题。在第二阶段的部分缓存更新优化中,我们将主要考虑动态缓存更新问题的时间空间演进特性。我们主要考虑了时变的文件流行度,以及不同的cluster中不同用户偏好。第二阶段的部分缓存更新问题将涉及到基站文件缓存的微调,以实时追踪文件流行度的变化,保证基站所缓存的文件不会因为文件流行度的演进而失效。同时保证,这一阶段的缓存优化问题满足基站缓存容量和回程链路使用带宽的双重限制。最后考虑使用DNN方法,实现对时变文件流行度的实时响应。