作為網(wǎng)絡(luò)中使用最廣泛的傳輸協(xié)議，TCP的擁塞控制機制是學(xué)術(shù)界和工業(yè)界關(guān)注的焦點問題之。然而，目前廣泛使用的TCP傳輸協(xié)議的擁塞控制算法仍然使用相對固定的窗口調(diào)節(jié)策略，無法根據(jù)動態(tài)變化的場景自適應(yīng)地調(diào)整參數(shù)，從而造成不可避免的性能下降。近年來，研究者們開始嘗試采用機器學(xué)習(xí)思想或方法進行擁塞控制算法設(shè)計，又引發(fā)了新一輪的熱潮。

MIT的研究者提出的Remy系統(tǒng)幾乎是最早的將TCP擁塞控制問題建模成馬爾科夫決策過程(強化學(xué)習(xí)的理論模型)的系統(tǒng)，從而開啟了利用學(xué)習(xí)方法論進行TCP擁塞控制算法設(shè)計的大門Remy能夠在給定目標網(wǎng)絡(luò)假設(shè)和流量模型的條件下，通過與網(wǎng)絡(luò)仿真器不斷交互自動學(xué)習(xí)生成針對相應(yīng)環(huán)境的擁塞控制算法。這個離線學(xué)習(xí)過程的最終結(jié)果是生成一張映射表格(策略)，描述在不同網(wǎng)絡(luò)狀態(tài)下應(yīng)該如何變化擁塞窗口(cwnd)。之后作者又進一步對Remy的學(xué)習(xí)能力進行了更充分的實驗評估。近期，斯坦福大學(xué)的學(xué)者開始嘗試采用模仿學(xué)習(xí)(強化學(xué)習(xí)分支)的方法進行TCP擁塞控制研究(Indigo算法)，并采用長短期記憶(Long Short-Term Memory，LSTM)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行序列特征提取。

離線學(xué)習(xí)方法雖然能在特定環(huán)境下達到令人滿意的效果，但將不可避免地引入對網(wǎng)絡(luò)環(huán)境和流量特征的先驗假設(shè)，同時模型訓(xùn)練所依賴的仿真器無法完全模擬實際系統(tǒng)行為，從而可能影響到模型的泛化能力。UIUC的學(xué)者基于在線學(xué)習(xí)思想，在2015年提出一種面向性能的擁塞控制算法PCC，該算法嘗試采用試錯機制對TCP的發(fā)送速率進行步進式?jīng)Q策。2018年，他們進一步提出了PCC的升級版Vivace，其利用梯度進行速率控制，從而實現(xiàn)在穩(wěn)定性和靈敏度上的平衡。然而，完全的在線學(xué)習(xí)無法很好地利用歷史數(shù)據(jù)中可能存在的特征和模式，可能會導(dǎo)致在已知環(huán)境下的性能下降。

總結(jié)

以上是生活随笔為你收集整理的tcp拥塞控制_网络TCP的拥塞控制算法简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。