随着无线通信技术的发展,无线传输速率越来越快。人们对无线数据传输的需求也日益增长。与此同时,以内容为中心的数据(视频、音频等)逐渐成为无线数据传输的主流。无线缓存技术就是把这些以内容为中心的数据储存在网络边缘的缓存节点中,从而提高网络的整体性能。本文研究了在缓存节点(存储空间受限)的帮助下,单个蜂窝网络中下行文件传输的调度。具体来说,用户随机地向基站提出文件访问的请求。当文件访问请求到达的时候,基站将该文件多播到发出请求的用户和一些选定的缓存节点。当下一次访问相同文件的用户落在这些缓存节点的覆盖范围内的时候,缓存节点可以代替基站承接文件传输任务。在上述文件有限的生命周期内,由于缓存节点的储存空间受限,文件的放置(到缓存节点)和文件的传输(到用户)需要联合优化。在文件的生命周期中,基站对每次多播传输资源的分配(多播功率和传输符号数量)被建模成一个具有随机阶段数量的动态规划(Dynamic Programming)问题。此类问题无法用现有方法解决,因此,通过将原始问题转换为具有固定阶段数的等效马尔可夫决策过程(Markov Decision Process),本文开发了一种渐近最优的框架来解决该问题。由于动态规划问题常常遇到“维度爆炸”(Curse of Dimensionality)问题,本文提出了一种新颖的近似方法来解决“维度爆炸”问题。具体来说,本文首先设计了一个灵活的框架来降低计算值函数所需要的阶段数,然后用线性近似的方法来近似值函数。其中,本文推导了近似值函数(Approximate Value Function)的解析表达式,而且还推导出准确值函数和近似值函数之间误差的解析上界。基于近似值函数的表达式,本文给出了一种低复杂度的在线资源分配算法。最后,由于近似值函数取决于一些系统参数的统计信息(用户的地理分布、文件的受欢迎程度等)。当这些统计数据未知的时候,本文提出了一种强化学习算法来学习这些参数,从而帮助基站更好地分配传输资源。通过数值仿真表明,与一些基准方案相比,本文所提出的基于近似值函数的低复杂度算法可以显著降低基站的平均传输成本。