1.一种基于用户分组需求多样性的中继D2D数据包缓存方法，其特征在于：包括以下步骤：S1.采用随机几何模型来描述D2D UE的空间分布；具体为，D2D UE的空间分布由泊松点过程来描述，密度为λ；其中，VUE的比例为ρ，而HUE的比例为1-ρ；D2D UE间的链路损耗指数为α，干扰缓解指数为η；假设VUE根据其包需求偏好，可以划分为S个不同的分组，S≥2,S∈Z+，且相应的分组下标构成集合S＝{1,2,...,S}；第s个VUE用户分组占总的VUE数量的比例为qs；定义所有的qs构成集合 假设每个数据包都具有相同的单位大小值，且每个HUE具有相同的缓存大小极限M，M∈Z+，即每个HUE可以最多存储M个数据包；此外，第s个VUE用户分组对应一个有限数量N的包集合， 且需满足N＞M＞S,N∈Z+； i≠j；假设每个分组的包集合Fs与任何其它分组都不重叠，即每个分组都有自己独自的包需求偏好排序，独立于其它任何分组；此外，定义 为分组s内的VUE请求Fs的概率分布，并由Zipf流行度分布来描述：s

其中，βs(0＜βs,βs≠1)为Zipf分布指数，表示分组s数据包请求概率分布f的集中程度；

βs越大，fs集中程度越高；

S2.借助于随机几何的相关结论，分组s对应的D2D链路成功概率可以近似表示为：其中， Γ(·)为伽马函数，R为D2D链路最大通信距离，Θs为分组s所需的包类型要求的SINR阈值目标，(1-ρ)λ为HUE的密度；定义集合p＝{p1,p2,...,pS}；

S3.基于上述内容，需求解的优化模型如下：

受限于：

其中：目标函数Tmax定义为最大化的吞吐率，ks为分组s应被分配到的缓存包数量，为优化模型(3)中待求解的变量；C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M；C2则表示在极限范围M内，每个分组应至少获得一个包；

S4.将优化模型(3)进行近似求解；首先将(3)中的整数变量ks，松弛为ks∈[1,M]的连续变量，进而得到如下近似优化模型：受限于：

其中： 为条件C2进行松弛后获得的连续变量条件；

可以验证，近似优化问题(5)为凹优化问题，它可以获得理论唯一解；因此，进而借助于凸优化理论，求得问题(5)的拉格朗日对偶解析表达式组(7)-(10)如下：其中，ω，νs和μs为引入的非负拉格朗日算子；求解(7)-(10)可以得到如下解析数值解表达式：其中，φs＝ρλpsqsG(βs)；由(13)可知， 有上下界，即 此外，是关于算子ω的单调减函数；因此，在(13)的限制下，基于关于ω的二分搜索策略，依据(11)-(12)以迭代方式更新算子ω，νs和μs，以求解出所需的解集合基于关于ω的二分搜索策略中，假定迭代收敛精度为ε，最大迭代次数为Imax，迭代计数变量为c；具体流程描述如下：第1步：初始化设置：设置ω的搜索上界lb和下界ub，分别为：则相应的ω可由下式确定：

第2步：迭代过程中：若 则令lb＝ω，再由(16)式更新ω；

若 则令ub＝ω，再由(16)式更新ω；更新完ω之后，再由式(11)-(12)更新迭代数值解第3步：迭代终止步骤：当 或c＞Imax，则迭代过程结束；将迭代获得的解恢复为原始问题(3)所需的整数解，得到最终的解如下：