随着通信技术的不断发展,用户对网络的需求也在不断提升。近年来,短视频业务凭借多样化的内容迎来了爆发式的发展,视频流量在无线网络中的占比越来越高,网络中基站面临的压力显著增加,为了缓解无线网络中基站的压力,引入不通过基站可以直接获取视频文件的设备到设备(Device to device,D2D)通信技术,有效帮助基站分担网络中的视频流量。然而,网络中的流行的视频会被不同的用户多次请求,这些对短视频内容的异步重复请求对网络资源带来了巨大的浪费,通过在异构无线网络中引入缓存技术可以有效应对重复传输造成的网络资源的浪费。但是,网络中通信设备缓存空间是有限的,网络中的频谱等无线资源也是有限的,如何充分利用有限的缓存空间设计高效的缓存算法和相应的无线资源分配算法是异构无线网络中D2D通信的关键问题。因此论文主要研究了异构无线网络中D2D通信的资源分配算法问题,分别研究了 D2D用户的公平性、D2D缓存辅助异构网络的网络速率和D2D缓存辅助异构网络的能量频谱效率三个网络的性能指标。论文的主要工作分为以下部分:首先,论文研究了 D2D辅助的蜂窝网络中面对短视频业务不同D2D用户速率之间的公平性问题。首先将该问题建模为多个约束条件下的非线性混合整数规划(Mixed integer nonlinear programming,MINLP)问题。通过引入惩罚函数和遗传算法的思想,提出了一种改进的蝙蝠算法。仿真结果表明,所提算法在不同的D2D用户数目下都可以快速收敛,所提算法可以用较小的代价有效的提升网络中性能最差的用户的通信速率,提升网络的公平性。所提算法和传统蝙蝠算法比较,可以将最差的用户速率提升30%且最高的用户速率下降不到2%。其次,论文研究了缓存空间有限情况下基于用户兴趣偏好的信道功率分配问题。通过将问题分解成两个子问题解决了所提出的资源分配问题。首先,提出了——种基于用户偏好的缓存相似度距离的概念,并提出了一种基于用户偏好的缓存相似度距离的分组算法。根据分组结果,考虑了联合和功率优化问题。通过引入惩罚函数和速度更新函数,提出了一种改进的粒子群优化算法。仿真结果表明,该算法在各种参数下收敛速度更快。同时仿真结果表明,所提出的算法具有更好的性能,相比于不考虑用户偏好的算法,系统速率可以提升9%。最后,论文研究了用户移动性和兴趣偏好的联合缓存带宽功率分配问题,最大化网络的能量频谱效率。通过将问题分解成三个子问题来解决该问题。首先处理了缓存和选择子问题。其次通过块迭代算法解决带宽分配子问题和功率分配子问题,并将能量频谱效率从分数形式转换为减法形式。仿真结果表明,所提算法在各种参数下收敛速度更快,所提的算法可以提升网络17.7%的能量频谱效率,具有更好的性能。