随着无线技术的发展和移动设备的普及,移动数据呈指数级增长。思科系统公司预测,2016年至2021年之间,全球移动数据流量将增加七倍。移动数据流量的爆炸性增长对移动通信网络架构是一个巨大的挑战,迫切需要将网络架构推陈出新,而云无线接入网（Cloud Radio Access Network,C-RAN）通过将处理单元集中化,提高了网络资源的使用效率,降低了运营商的部署和运营成本,是新型网络架构的研究方向。本文研究基于C-RAN的网络成本优化问题,所做的主要研究工作如下:首先,概述了 C-RAN技术背景,国内外现状及重要意义,介绍了 C-RAN的架构、优势以及挑战。然后,研究C-RAN引入缓存技术后成本优化的问题。现如今C-RAN架构中部署缓存是研究热点,本文在C-RAN中引入了基于图论中最大团的缓存策略,同时设计了 C-RAN架构与缓存结合的系统模型。这里研究的网络成本优化问题包括传输功耗和回程成本的联合优化,该问题是一个具有基于l0范数的目标函数和非凸约束的优化问题。为了解决这个问题,运用半正定松弛（SDR）方法和连续凸近似（SCA）方法。仿真结果表明引入缓存技术可以有效降低网络成本,最大团缓存策略性能较好,基站模式的切换也能大大减少网络成本。接着,研究C-RAN中考虑BBU的成本优化的问题。现有的C-RAN网络成本优化问题大多将关注点放在RRH端,本文则结合BBU对C-RAN网络成本优化进行研究,网络成本包含RRH的功耗和虚拟BBU的租用费用。系统模型中的虚拟BBU可以根据需要启动和关闭,RRH可以进入睡眠模式以减少功耗,同时考虑BBU处理队列和RRH传输队列对于用户数据延迟的影响,将该网络成本优化问题建模为整数线性规划（ILP）问题。由于ILP问题具有较高的计算复杂性,本文将此成本优化问题分解为两个子问题:用户关联问题和BBU-RRH映射问题。本文为用户关联问题设计了一个拉格朗日松弛算法,并将BBU-RRH映射问题转换为打包问题,该问题由最佳拟合递减算法（BFD）算法解决。仿真结果表明,提出的算法LAGA-BFD的运算结果非常接近从整数规划软件CPLEX获得的最优解,并且相比CPLEX节省了大量运算时间。最后,本文对所做的研究工作进行总结,并对C-RAN未来的研究方向进行展望。