一种基于智能边缘缓存的部分机会性干扰对齐方法，在异构网络环境下考虑时变信道和时变需求的智能边缘缓存下行链路部分机会干扰对齐方法，将时变信道建模为有限马尔可夫状态，将边缘缓存内容替换作为最大动态规划，然后，将异构网络中边缘缓存辅助的部分机会干扰对齐的优化问题转化为一个深度强化学习问题，边缘缓存可用于部机会干扰对齐中的动态上下文更新和信道状态信息的交换，最后，实验结果验证了深度强化学习在异构网络下行传输中智能优化边缓存辅助部分机会干扰对齐的可行性和优越性，结果表明，所提出的方法可以获得相当高的平均和速率和平均能量效率。