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

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

该研究主要研究如何在具有移动性的小型网络中存储内容文件的编码版本，并提出了分布式逼近算法来解决该问题。在实验中，使用基于大偏差不等式的方法使得研究结论在实际应用中更加精准。

May, 2014

本研究提出了一个基于强化学习和全局 / 本地 Markov 过程的缓存策略框架，用于预取受欢迎的文件，以便下一次请求时可以快速提供服务。

Jul, 2017

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

在小型细胞网络中，通过使用基于多属性效用理论的新型虚拟现实模型，找到了在虚拟现实无线网络中的上下行无线资源配置问题的最佳解决方案。

Mar, 2017

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

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

本文研究了无线网络中自适应视频流调度策略的优化设计问题，其中采用了 “分而治之” 的方法和 Lyapunov Drift Plus Penalty 方法，提出了两个子策略解决拥塞控制和传输调度问题，并提出了一种自适应估计最大排队延迟的方法。

Apr, 2013

本文介绍了关于具有缓存和异步内容重用的无线网络吞吐量的一些最新研究成果，提出了一种基于 D2D 通信的综合系统设计，可以利用设备上内容的缓存来提供比基站传输和传统 D2D 网络更高的网络吞吐量，并通过与基站的直接连接提供稀有视频请求。

May, 2013