1.一种蜂窝网络中基于流行度预测的缓存优化方法，主要包括以下步骤：

S1：根据网络卸载的文本、图像、视频业务类型，选择适用于缓存的文件类型，对选择的文件集合进行预处理，去除冗余信息，将部分文本类型转化为便于学习的形式；

S2：构建文件特征提取模型，提取文件特征；

S3：所有文件的集合用 表示，将提取的特征用矩阵Hf表示，关联用户

对文件f的请求，构建关联矩阵P(t)，根据上一时隙用户对文件的请求，更新下一时隙的关联矩阵P(t+1)，利用特征累积的方式求下一时隙的文件流行度值ηf(t+1)；

S4：建立边缘蜂窝网络系统模型，其中包括一个宏蜂窝基站和多个小基站，小基站集合用 表示，其中宏基站简称MBS，小基站简称SBS，SBS配置有缓存存储单元，可响应用户请求并完成文件交付，SBS之间可进行数据协作，用户请求优先由SBS服务，当SBS未缓存有所需文件时，由MBS提供服务；

S5：建立能耗优化数学模型并求解，在该能耗优化模型中，能耗Etot由缓存能耗Ec以及传输能耗Et组成，其中传输能耗包括关联SBS传输文件给用户的传输能耗E1，SBS通过协作将文件传输给用户的能耗E2以及当文件未缓存时通过回程链路将文件传输给用户的能耗E3，优化目标为：C3:xb,f∈{0,1},xl,f∈{0,1},xc,f∈{0,1}

其中第一项为缓存能耗，第二项为传输能耗，Ecache为缓存单位大小文件所需能耗，sf为文件f的大小，t为缓存时间，qb,f(t)表示在时隙t内用户请求文件f的次数，约束条件C1表示由于边缘SBS的缓存能力有限，缓存文件总量不应超过SBS的缓存容量ub，约束条件C2表示用户请求的文件只能通过一种方式缓存及交付，约束条件C3表示各缓存变量的二元约束，其中xb,f表示文件f是否缓存在SBSb中并交付，xl,f表示文件f是否缓存在SBSl中并交付，xc,f表示文件f是否未缓存并通过回程链路交付，优化目标受文件缓存交付位置的3维布尔变量、文件大小以及链路消耗的制约，优化目标为非凸问题，可通过变量之间的约束关系对多维问题进行简化，再通过变量松弛将{0,1}转化为[0,1]，将问题由非凸性转变为凸性求解，之后将变量按流行度高低恢复，得到最终的缓存策略；

S6：根据求解结果得到能耗最优的边缘缓存策略，确定文件的缓存放置，进而确定了文件的交付方式。

2.如权利要求1所述的一种蜂窝网络中基于流行度预测的缓存优化方法，其特征在于：在如述S2中构建了文件的特征提取学习模型，可提取文件ID特征、文件类别特征以及文件标题特征，其中文件标题属于自然语言范畴，利用CNN训练网络对标题特征进行提取，最后将所有特征进行连接，得到视频文件特征矩阵Hf。

3.如权利要求1所述的一种蜂窝网络中基于流行度预测的缓存优化方法，其特征在于：在如述S3中，将文件的历史请求信息与当期时刻文件特征相结合，若时隙t的P(t)已知，则下一时隙的关联矩阵表示为：其中⊙表示两个矩阵对应元素的乘积，qf(t)为t时隙内文件f的请求次数。

4.如权利要求1所述的一种蜂窝网络中基于流行度预测的缓存优化方法，其特征在于：在如述S3中，为保证关联矩阵的一致性，将得到的叠加结果做归一化处理得 文件f在下一时刻的流行度值为：N M

其中1、1分别表示N行、M行的单位列向量。

5.如权利要求1所述的一种蜂窝网络中基于流行度预测的缓存优化方法，其特征在于：在如述S5中，在能耗优化模型中，能耗Etot由缓存能耗Ec以及传输能耗Et组成，其中传输能耗包括关联SBS传输文件给用户的传输能耗，SBS通过协作将文件传输给用户的能耗以及当文件未缓存时通过回程链路将文件传输给用户的能耗，优化目标为最小化Etot＝Ec+Et。

6.如权利要求1所述的一种蜂窝网络中基于流行度预测的缓存优化方法，其特征在于：在如述S5中，在能耗优化模型中，优化目标受文件缓存交付位置，文件大小以及链路消耗的制约，优化目标为非凸问题，可通过变量之间的约束关系进行问题简化，再通过变量松弛将问题由非凸性转变为凸性求解。