基于機器學習的網絡擁塞控制研究

李 婧, 管毓瑤

(上海電力大學 計算機科學與技術學院, 上海 200090)

互聯網發展到今天的規模,人們的生活和工作越來越離不開計算機網絡。近年來,網絡流量的空前增長對互聯網的性能提出了更高的要求。許多新興應用對吞吐量、可靠性和延遲性都提出了更高的要求。雖然強力部署更高容量的有線和無線鏈路的方法有助于緩解這個問題,但更可行的方法是重新考慮更高層協議的設計,以便更有效地利用增加的物理層鏈路容量。

擁塞控制問題是一個經典的網絡課題,在互聯網的發展中,扮演著重要的角色。網絡擁塞控制主要用于調節和控制網絡數據傳輸需求和網絡傳輸/處理能力之間的不匹配引起的擁塞問題,確保用戶之間有效和公平地共享網絡資源。

網絡擁塞控制的一個重點問題是討論丟包與擁塞之間的關系,并根據感知到的擁塞來采取緩解擁塞的調控。TCP的擁塞控制經過了多次的迭代和改進,每一次都經過研究者的精心設計和大量實驗驗證,且方案的設計基于對來自網絡的特定反饋信號的預定義動作的硬連線映射。然而,隨著網絡變得更加復雜化和動態化,設計最佳“獎勵—行為”映射變得更加困難。

近年來,機器學習、深度學習和強化學習的興起,給擁塞控制提供了新的思路,利用強大的學習能力來學習網絡交互的行為引起了廣泛關注。因此,針對基于機器學習的網絡擁塞控制協議展開研究,對于優化網絡性能具有重要的意義。……