本研究旨在优化小型基站中的内容缓存策略，提出了一种基于聚类与强化学习的方案，并在模拟中证明其相对于随机缓存和未聚类学习方案，能够最小化 42% 和 27% 的服务延迟，并获得 280% 和 90% 的更高卸载收益。

Sep, 2014

研究了无线小型基站中有限的回程容量中的最佳缓存内容放置，使用内容级选择性卸载并基于需求历史来优化缓存内容放置，并提供了三种算法进行研究。

Feb, 2014

本文研究了在移动通信下行数据中进行内容级别选择性卸载的问题，将流行的内容存储在无线信息站终端的高速缓存存储器中，直接从信息站下载存储的内容，以减少蜂窝网络的延迟和负载，并利用多臂赌博问题及切换成本等方式进行最优的缓存内容放置来学习流行度模型，以提高缓存效率。

Jul, 2014

本文研究在无线边缘 (即基站) 缓存内容以最小化无限时域内的成本问题，将问题建模为不安定老虎机问题，证明了应用 Whittle 指数策略最小化费用的指标性。

Oct, 2022

本文针对小区缓存技术，并将其应用于商业网络服务中，建立了一个基于 Stackelberg 博弈的数学模型，研究最优租赁小区的定价、资源分配和人气分布等四个关键因素与网络压力的关系，并通过蒙特卡罗模拟对该模型进行了评估。

Feb, 2016

研究了在具有缓存能力的小型基站网络模型中，通过确定性分布或本地缓存满足用户需求的方式，分析了系统性能的关键操作参数，并演示了目标文件比特率、存储大小、文件长度和文件流行度对故障概率和平均交付速率的影响。

May, 2014

该研究在未知用户偏好情况下，探究了学习型缓存在小型蜂窝网络（SCN）中的应用。在这个问题中，我们从多智能体多武器老虎机（MAMAB）的角度模拟这个序列决策问题。我们提出几种 MAMAB-Based 算法，在静态和非静态环境下直接学习缓存策略，以实现最小化系统长期传输延迟的目标。该研究验证了所提出的算法的有效性，并进一步讨论了不同参数对缓存性能的影响。

Jan, 2020

本文研究了一个基于无基站的 D2D 网络中文件共享的问题，提出了使用确定性子包分配的缓存策略和使用线性编码的传输策略，其可以在满足特定条件下接近信息理论上界。我们还研究了 D2D 网络空间复用利用增益和编码组播增益的关系，并表明这两种增益是不可以同时提高吞吐量的。

May, 2014

本研究通过开发优化模型研究车载缓存方案，在最小化网络能耗的同时，优化缓存决策和网络能效。通过 2-D Markov 过程和在线缓存算法，本研究提出的在线缓存方案在能耗效率、命中率、缓存利用率和系统收益方面都优于现有方案。

Feb, 2019

本文研究了通过在基站采用主动缓存技术，以解决 5G 无线网络优化中的大数据问题。通过利用收集自土耳其电信运营商的用户移动通信数据进行内容受欢迎程度的估计，得出当存储容量为 15.4G，内容评价占 10％时，主动缓存实现 100％的请求满足率和 98％的后端负载卸载。

Feb, 2016