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

本文探讨了一个关键的使能器 —— 积极缓存，利用预测能力和存储、上下文感知和社交网络的最新发展，通过在基站和用户设备上缓存可预测的用户需求，可以显著减少峰值流量需求。通过两个利用网络的空间和社交结构的案例研究，我们证明了积极缓存的有效性。

May, 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

本文提出了一种上下文感知的预热缓存优化算法，通过定期观察连接用户的上下文信息来在线学习上下文特定的内容受欢迎程度，并更新缓存内容并随后观察缓存命中率，最终证明该算法以最大化缓存命中数为目标的最优缓存内容放置策略被证明是可行的。

Jun, 2016

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

该研究旨在解决云无线电接入网络中预测式缓存的问题，通过利用基带单元的机器学习框架并结合子线性算法，确定内容缓存，研究发现该方法相较于随机缓存算法提高了 27.8％至 30.7％的有效容量。

Jul, 2016

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

本文提出了一种基于边缘控制器的 5G 移动网络结构，利用全球用户的移动模式来动态聚类和关联基站和控制器，以及通过控制器运行机器学习算法来预测每个基站的用户数量，为高层次应用程序提供路由服务，以提高网络的重要性能指标。

Aug, 2018

本文研究了 5G 通信网络中通信、计算和缓存资源的联合优化，借助基于图形表示的学习方法以及创新的资源分配技术来实现将 3C 资源更靠近移动用户、实现低延迟、高可靠性服务的目标。

Feb, 2018

本文研究通过对中国一座大都市两周之内的两百万用户观看约 30 万个唯一视频的真实数据集进行分析，提出了基于移动视频请求模式和边缘内容缓存影响的缓存策略，并且使用实验数据对其进行了验证。

Feb, 2017