- 文献综述（或调研报告）：
研究人员和工程师已经研究出了有效的方法来减少重复内容传输。这类方法通过在移动网络内部采取智能缓存策略，使移动用户从附近的移动运营商网关的缓存中访问流行内容[1]。Xiaofei Wang等人研究了现行移动网络缓存的相关技术，并探讨可应用于5G移动网络缓存的潜在技术，包括演进分组核心网缓存和无线接入网络缓存。一种基于内容中心网络或信息中心网络概念的新的边缘缓存方案被提出。通过采用轨迹驱动的模拟方式，作者评估了该方案的性能，并验证了在5G移动网络中缓存内容的使用所具有的各项优势。
现如今广泛部署的缓存功能主要在演进分组核心（EPC）内部实现。目前大致有两种缓存技术，即网络缓存和冗余消除技术。在3G和4G系统的移动核心网络中缓存内容可以减少三分之一到三分之二的通信量。关于实际跟踪的可缓存性和缓存效率，Erman等人报告了，在2010年对3G网络为期两天的测量中，68.7%的HTTP对象是可缓存的，其中的缓存命中率为33%[2]。Woo等人对超过370 Tbytes的3G移动通信流量进行了为期一周的测量，结果显示标准的web缓存可以减少27.1%的下载带宽消耗，而简单的TCP级RE使用512 gb的RAM缓存可以节省42.0%的带宽消耗[3]。
J. Z. Wang等人提出了一种无线网络缓存模型，以方便无线基站中的合作代理缓存。实施方案是使用自配置和自适应的虚拟代理图(VPG)，根据需要实现高效的数据搜索、数据缓存和数据复制。数据缓存、搜索和复制操作的聚合效应通过单个代理自动将缓存的web文档分布到感兴趣的移动客户端附近[4]。性能研究结果表明，在不同的性能指标方面，提出的基于个人的无线代理缓存方案优于现有的缓存方案。
H. Ahlehage和S. Dey提出了采用无线接入网络(RAN)基站的分布式缓存视频来减少对网络CDN的请求,从而减少回程传输,提高视频质量，提升整体网络容量以支持更多数量的同步视频请求[5]。其缓存架构由大量微缓存组成,每个基站微缓存能够存储只有1000秒的视频。这种架构可能导致的问题是无法有较高的缓存命中率。为了解决这个问题，文中提出了两个基于单元中用户的用户偏好配置文件(UPP)的新缓存策略:R-UPP(反应性UPP)和P-UPP(前瞻性UPP)。使用这种基于UPP的缓存策略运行微缓存，可以将满足初始延迟要求的视频请求的概率提高近60%，并将可服务的并发视频请求的数量提高到100%。仿真结果显示，与传统的缓存策略相比，基于UPP的策略可以提高最多30%的网络容量。
通过建立一个用于D2D通信的仿真模型，N.Golrezaei等人确定了协作距离和干扰之间的基本冲突，并展示了如何优化传输功率以最大限度地实现频率复用。作者重点讨论了渐近缩放特性，并展示了它们如何依赖于视频内容的流行度统计。研究的主要结果是一个封闭的形式表达的最佳协作距离作为一个函数的模型参数。在内容重复使用的Zipf分布的常见假设下，如果Zipf指数大于1，就有可能有大量的D2D无干扰协作对，这些协作对在节点数量上线性扩展。如果Zipf指数小于1，我们就可以确定D2D协作链接数量的最佳比例[6]。
Afshang等人分析了以集群为中心的内容配置缓存布局。以集群为中心的布局侧重于在每个集群中放置内容，以便优化每个集群中所有设备的总体性能。研究结果表明，与基线情况相比，缓存内容的设备或从缓存请求内容的设备偏向于更靠近集群中心时，网络性能有了显著的改进[7]。基于这一认识，作者开发并分析了一个新的以集群为中心的D2D网络生成模型，该模型允许研究更有可能位于集群中心附近的集群内干扰设备的影响。
Chenchen Yang等人分析了在一个由基站、继电器、D2D对组成的三层异构网络中的缓存与内容分发。作者主张在网络非高峰时，在具有缓存能力的中继和部分用户中主动缓存流行内容。缓存的内容可以重复使用，以便频繁访问以减轻蜂窝网络流量[8]。首先将节点位置建模为相互独立的泊松点过程(PPPs)，并建立相应的内容访问协议，再对下行链路的平均遍历率和中断概率进行了理论分析。
B. Błaszczyszyn和A. Giovanidis建立了基于缓存助手的协同传输模型，并在随机几何框架下，从文件传输成功概率的角度分析了其性能。对于给定的缓存位置，缓存帮助程序可以通过提供不同的文件来提供文件多样性增益，也可以通过联合传输相同的文件来提供协作增益[9]。为了考虑文件多样性增益和协作增益之间的权衡，作者推导出了缓存命中概率和覆盖率，找到了最优的缓存布局，并研究了各种系统参数(如协作区域、缓存帮助程序的密度和文件流行指数)对最优缓存布局的影响。
J. Song等人研究了以泊松点过程为模型的无线蜂窝网络中内容的最佳地理位置问题。具体地说，对于请求某些特定内容的典型用户，以及其受欢迎程度遵循给定的规律(例如Zipf)的用户，计算找到缓存在一个基站中的内容的概率[10]。无线覆盖遵循通常的信噪比(SINR)模型，或者它的一些变体。作者制定并解决了最优随机内容放置策略的问题，最大化用户的命中概率。结果表明，遵循“到处缓存最流行的内容”的标准策略并不总是最优的。
J. Song等人考虑一个具有许多缓存帮助程序的单元，例如具有用于缓存文件的内存的femto基站，将平均误码率(BER)表示为瑞利平坦衰落信道中缓存放置的函数。为了使平均误码率最小化，作者提出了一种以贪心方式查找缓存位置的算法，并证明了贪心算法查找的缓存位置是最优的。结果表明，最优的缓存布局不只是缓存所有不同的文件;但是，对于给定的环境，最优的缓存位置是在多个帮助程序中缓存相同文件所获得的通道多样性增益和在帮助程序中缓存不同文件以放大一组缓存文件所获得的缓存多样性增益之间取得平衡[11]。
