简要：面向content providers(CPs)；minmize the expected missed cache rate
1、属性
Content：
（1）、按种类划分等级；
（2）、流行度（被请求次数）；
（3）、reserve slot expire at rate
cell station：
（1）、存储方面：
cp1及其他cp，自身需求
（2）、分布密度
2、Algorithm
（1）、Karush Kuhn Tucker(KKT) http://blog.csdn.net/oscarriddle/article/details/78790135
（2）Waterfilling solution
补：Finally, competition for the shared caching memory is formulated as a convex n–persons game: CPs trade off the expected missed cache rate for the memory price. It is a non-smooth Kelly mechanism with reservation and bounded strategy set – for which new existence and uniqueness of Nash equilibrium are provided. When CPs are myopic optimizers, convergence to the Nash equilibrium is showed numerically. Furthermore, the game appears to have a unique Stackelberg equilibrium, a relevant feature for the MNO in order to maximize her revenue. Online learning of the optimal price over time will be part of future works.
（3）、
Fir. 凸集：对于一个集合S中任意两个点A和B，这另个点的连线AB也在S内。
仿射函数：
Sec. 目标函数和不等式约束函数均为凸函数，等式约束函数为仿射和拿书，并且定义域为凸集的优化问题为带约束凸优化问题。
Thir. 解决带约束凸优化问题，牛顿迭代法
https://zhuanlan.zhihu.com/p/26514613
3、算法
gc:内容请求次数
在面积为pai r 的平方内未发现content的概率为
A为基站的分布密度，
剩下部分第i等级的内容。。。。
问题：指数一堆放一起？
未考虑带宽及user的移动速度（车联网是要考虑的）；
考虑了不同内容不同等级以及不同等级在总数据数量的占有比例 && 不同CPs在基站的内存占有率 && CP i对不同等级的内容在基站缓存内的分配按权值分配
论文将问题转化为带约束凸优化问题，病用相关方法解决。
4、其他
