近年来,无线智能终端的普及,各类多媒体业务的涌现,使得移动数据流量呈指数级增长。这给通信网络造成了巨大的压力和挑战。基于无线融合网络的数据卸载技术是一种有效的解决方法。然而,传统无线融合网中采用集中式缓存机制,效率还有待进一步提高。为此,本文在无线融合网中引入分布式缓存技术,重点研究基于强化学习的分布式缓存技术。首先,针对分布式两跳缓存网络的情况,研究了在路由节点受缓存空间和带宽的约束条件下,如何通过资源调度最大化无线融合网的等效吞吐量问题。由于经典的优化算法求解该问题是一个巨大的挑战,为此本文拟采用强化学习方法进行求解。通过将服务调度问题描述为一个马尔科夫决策模型,提出了采用基于确定性策略搜索的强化学习调度算法和结合动态规划和深度Q值网络的调度算法。然后分别在用户均匀分布、非均匀分布和极端聚集分布下进行仿真,在等效吞吐量、延迟、缓存利用率和负载均衡系数等指标与现有成果和集中式缓存方案进行对比。仿真结果表明:在等效吞吐量上,所提出的基于确定性策略搜索的强化学习调度算法性能最好,结合动态规划和深度Q值网络调度算法次之,但都比已有算法和集中式缓存结果好,在用户均匀分布和非均匀分布情况下提升了5.5%到8%。但所提出的两个算法在提升等效吞吐量的同时,却是以延迟和复杂度为代价的。同时,我们所提出的算法在用户非均匀分布时对等效吞吐量的提升更为显著,在实际的场景中更为适用。然后,本文将分布式两跳网络拓展为分布式多跳网络。重新定义网络的评价指标,进一步建立无线融合网下分布式多跳网络的最优化等效吞吐量模型。在分布式两跳网络的两种调度算法基础上,结合两者的优势,提出基于动态规划和深度确定性策略梯度的强化学习调度算法（DP-DDPG）与基于奇偶业务的动态规划和深度确定性策略梯度的强化学习调度算法（ODP-DDPG）。仿真结果表明:在用户均匀分布的情况下,随着分布式网络跳数的增加,网络的等效吞吐量分别增加18%和2.4%,在用户非均匀分布的情况下,网络的等效吞吐量分别增加19%和3%。随之而来的延迟也会增加0.5跳左右,但增加的幅度不大,所提出的算法在分布式多跳网络中可以很好的调度业务来提升网络的等效吞吐量。另外,ODP-DDPG算法与DP-DDPG算法相比以极小的等效吞吐量代价换来更优的负载均衡性。最后,总结本文的研究工作,并对以后的研究做出展望。