移动互联网和虚拟现实等技术的快速发展,海量移动设备接入网络,用户终端对数据类型的需求开始多样化,尤其是影音内容在数据类型中所占比例呈现升高态势,这些数据的大量需求导致移动数据流量急剧增长,进一步加大了对通信网络带宽的需求。传统的蜂窝通信系统通过不断的小区分裂和资源复用的方式提升网络频谱利用率和网络容量,随着移动数据流量进入移动大数据时代,这些方式已经不能适应当前海量移动业务需求。随着移动终端计算能力和存储空间的提升,基于蜂窝网络的D2D (Device-to-Device,D2D)通信与缓存技术的结合构成的无线缓存网络极大地体现了缓存技术给移动通信的发展提供了新的方向。无线缓存网络主要是D2D通信传输技术与缓存技术的结合,基于D2D通信,传统的蜂窝网络中邻近用户间建立D2D通信链路,其可以不经过基站(Base Station, BS)中继直接进行数据互传,从而大幅提高数据传输速率且大大地减少传输延迟。在终端缓存技术的辅助下,用户终端可在通信非高峰期进行热点视频文件的提前缓存,那么请求文件服务的用户能否在其本地缓存中,以及邻近用户的本地缓存中检索到该请求文件由缓存策略直接决定。因此研究无线缓存网络中的缓存策略意义重大,合理的部署缓存内容和缓存的有效传递是无线缓存网络中的关键技术。本文对无线缓存网络中不同通信场景下的缓存策略进行了研究。首先,从缓存有效传递的角度,研究了基于推荐算法的通信策略;然后,从缓存内容的合理部署角度,研究了基于网络中断概率的缓存策略;最后研究了基于卸载概率的缓存策略。具体作出了如下研究工作:第一,视频网络场景下下,我们提出了一种基于推荐算法的通信策略。通过分析用户的历史视频播放记录得到用户的兴趣爱好,然后计算用户之间的相似度,获得D2D通信范围内的相似用户集,最后引入协同过滤推荐算法对用户的请求行为加以改变。在这种通信策略下,通过仿真结果观察到引入推荐和缓存技术能够降低内容提供商的成本开销。第二,研究基于通信网络中断概率的缓存策略。在满足最低目标信干噪比约束的条件下,通过激活D2D链路来实现系统中断概率最小化,接着对这个问题进行了数学建模,在减少求解优化问题复杂度时,我们提出了一种与传统次梯度算法相比更低复杂度的搜索算法。仿真证明基于中断概率的缓存方案与现有缓存策略相比,性能优势十分明显,同时,通过与次梯度算法复杂度的仿真对比,可以明显证明我们的搜索算法是一个相对复杂度更低的解决方案。第三,研究基于通信网络卸载概率的缓存策略。首先在无线缓存网络的两层异构网络模型下,研究了缓存策略使得网络卸载概率最大化的问题,给出了基于KKT优化条件的求解方法,并利用仿真结果证明了所提出的缓存策略对网络卸载概率最大化的影响,实现蜂窝网络的流量分流,通过自我服务和D2D卸载有效降低网络负载。