随着移动终端设备数量的爆炸性增长,用户上网观看高清视频、上传和下载文件等需求越来越普遍,从而网络面临高带宽、低时延、低能耗以及高吞吐量等挑战。然而传统无线接入网由于频谱有限、基站固定、能耗高等特性,不能很好保证服务质量(Quality of Service,QoS)需求。新型绿色无线接入网架构云接入网络(Cloud-Radio Access Networks,C-RAN)的提出将有效地提高频谱利用率、降低系统能耗并增强用户体验。C-RAN网络由集中化基带处理单元(Base Band Unit,BBU)组成的BBU池、高速光传输网络构成的前向链路和分布式的远端无线射频单元(Remote Radio Head, RRH)等部分组成。其中,前向链路用于连接RRH和BBU池且负责传输RRH与BBU池之间的IQ信号,负载相对于传统链路明显增加。在此网络架构下,C-RAN存在前向链路传输负载高、计算资源受限等问题,如何充分利用C-RAN系统资源从而提高系统吞吐量亟需研究。针对上述问题,目前主流研究方案是通过采取压缩传输信号、分流传输数据以及缓存计算结果等方式解决。然而,目前对于如何缓解前向链路的负载、减小业务时延从而提高系统吞吐量还有待详细研究。基于此,本文针对计算任务分流和缓存最优化分配进行了研究,主要内容如下:第一,提出一种考虑有限计算能力的RRH的计算任务分流算法。该算法的核心思想为:RRH接收移动设备的上行传输请求后,根据信道状态与自身剩余计算资源等信息将前向链路中部分延迟敏感、计算复杂度不高的请求分流到边缘网络中进行计算。该算法有效地提高了网络的吞吐量且保证时延敏感型任务的需求,增强了用户体验。算法实现包括以下几个步骤:首先,RRH接收小区内用户终端的上行传输请求。然后RRH结合其自身的剩余计算资源和前向链路中各个信道的状态等信息,为每个移动设备根据最大化系统吞吐量的目标来选择传输的信道。最终,算法在有限时间内达到纳什均衡,接近最大化系统吞吐量。仿真结果表明,本文提出的算法相比于现有的计算任务分流算法达到更好的性能,减小了网络的延时,提高了网络的系统吞吐量。第二,提出一种延迟最优化缓存分配算法。该算法的核心思想为:系统将C-RAN网络的缓存架构分为三个缓存层(BBU层,RRH层,用户设备层)。C-RAN根据每个缓存层的容量、时延等信息最优化分配整个网络的内容块到各个缓存层中存储,从而降低网络的延时和提高系统的吞吐量。算法实现主要包括以下几个步骤:首先系统根据网络中内容块的流行度和各个缓存层到用户设备的时延等信息得到每个内容块的最佳缓存位置。接着缓存根据剩余容量最优化选择内容块存储。然后根据传输信道的状态和网络的时延大小,不断改变缓存的分配,直到网络达到最优的系统吞吐量。仿真结果表明,本文所提算法相对于随机缓存分配算法,可以有效的减小网络的延时,并明显提高了网络的系统吞吐量。