目前,无线设备大量普及与多媒体业务量不断增加,带来的极大数据量对前传链路造成了巨大压力,这已成为无线通信网络面临的主要瓶颈。为解决这一问题,雾无线接入网(Fog Radio Access Network,FRAN)作为一种新的架构被提出并成为研究热点。通过将多次请求的内容提前存放于距用户较近的雾接入点(Fog Access Point,F-AP)的边缘缓存技术,前传链路的压力与用户请求的服务时延能够显著减小。为了最优地利用F-AP有限的缓存资源,并避免与控制中心之间的通信带来的额外开销,分布式的边缘缓存布置成为研究关键。然而,目前的分布式缓存方法研究存在与邻近F-AP之间的额外信息交互,以及不能适应时变的用户请求的问题。针对这些问题,本文就雾无线接入网中的分布式边缘缓存方法展开了研究。首先,研究了针对用户内容请求随时间变化较平缓的情况,无容量限制情况下基于平均场博弈的分布式缓存方法。为描述时变的用户请求情况与F-AP的状态,通过微分方程建立了动态的系统模型。为了联合最小化请求服务时延与前传链路负载,构建了关于各个文件的随机微分博弈。利用FRAN超密集部署的特性,难以直接求解的随机微分博弈被转化为平均场博弈,其中各F-AP的状态能够通过平均场中的状态统计分布函数表示。因此,各F-AP无需观察其它F-AP的状态,能够仅基于本地状态与状态统计分布函数,通过迭代地求解偏微分方程组来得到平均场均衡,并求得缓存控制。仿真结果表明,所提的分布式缓存布置方法能够实现服务时延与前传负载的降低。其次,在上述方法的基础上,研究了有容量限制情况下基于平均场博弈的分布式缓存方法。首先,基于平均场均衡中求得的缓存控制,考虑F-AP的缓存容量限制,构建了每一时隙的部分背包问题,并提出贪婪算法对部分背包问题进行求解。其次,结合平均场博弈中的算法与贪婪算法,提出了服从缓存容量限制的分布式缓存方案。最后对平均场均衡的存在性与唯一性进行了分析,并基于平均场均衡的分析,结合求解背包问题的贪婪算法,进一步分析了所提出的分布式缓存方法的整体最优性。仿真结果表明,所提出的分布式缓存布置方法能够实现时延与负载成本的降低,并且在缓存容量较小及内容请求概率分布较平均时,具有更好的性能。最后,研究了针对用户请求变化趋势与请求到达率未知的一般情况,有容量限制情况下基于Lyapunov优化的分布式缓存方法。为描述未知且时变的用户请求情况,建立了动态的请求队列模型,其中队列长度能够间接描述请求服务时延。随后构建了队列系统中具有队列稳定性限制的优化问题,并根据Lyapunov优化理论中的漂移加惩罚项方法,把原问题转化为队列漂移量与前传负载联合最小化的问题,间接地对请求服务时延与前传链路负载进行联合优化。进一步地,将优化问题关于各F-AP进行了分解,则各F-AP能够分布式地求得相应的缓存布置策略。仿真结果表明,所提的分布式缓存布置方法能够降低请求队列长度与前传负载,并且通过调整惩罚因子参数能够实现请求服务时延与前传链路负载的性能折中。