一、PMIMD拥塞控制算法（论文文献综述）
林利祥,刘旭东,刘少腾,徐跃东[1]（2022）在《前向纠错编码在网络传输协议中的应用综述》文中认为前向纠错编码是一种在网络传输中应对丢包的技术。在传输过程中加入冗余数据,使接收端在丢包场景下可通过冗余数据直接恢复出原始数据。在丢包多、时延大的场景下,适当加入前向纠错编码可以大量节省超时重传的等待时间,从而提高网络传输的服务质量。过多地添加冗余会造成带宽的浪费,而过少地添加冗余会导致服务器端接收到的数据不足以恢复在传输过程中丢失的数据,因此实际应用前向纠错编码的难点在于恰当地控制冗余数据的比例。目前,前向纠错编码研究大多基于传统网络协议。而随着QUIC （Quick UDP Internet Connections）协议的崛起,由于其具有0-RTT （Round Trip Time）连接、多路复用以及连接无缝迁移等特性,因此更多的前向纠错研究开始结合QUIC协议,以进一步提升传输性能。文中首先对前向纠错编码（Forward Error Correction Coding, FEC）进行了概述,介绍了其应用场景、基本策略和自适应冗余控制策略;然后详细介绍了单播场景和组播场景中,前向纠错编码在传统协议中的研究现状;最后介绍了前向纠错编码在QUIC协议中的研究现状及仍面临的挑战。
张浩[2]（2021）在《下一代网络传输控制理论研究与应用》文中提出随着互联网技术的多元化发展,保障网络稳定传输显得尤为重要。网络提供的带宽资源是有限的,当网络持续处于高负载状态时会产生网络拥塞。轻度的网络拥塞会导致传输时延增加,降低了网络服务质量。重度的网络拥塞会导致网络性能快速下降,甚至会引起网络崩溃。拥塞控制是保障网络稳定传输的关键技术之一。拥塞控制算法可分为源端拥塞控制算法和链路拥塞控制算法。源端拥塞控制算法部署在用户终端系统中,用户终端向网络中注入数据,并依据接收端反馈的信息调节数据包的发送速率。链路拥塞控制算法部署在网络中间节点中,评估网络的拥塞状态并反馈给终端系统进行数据包发送速率调节。本文对部分拥塞控制算法进行了理论研究与性能评估,并提出了一种基于概要数据的拥塞控制算法。具体研究内容和成果如下:首先,本文对源端拥塞控制算法和链路拥塞控制算法进行了理论研究,分析了不同拥塞控制机制的优势和存在的问题。其次,本文在NS3网络仿真器中构建了多种仿真模型对拥塞控制算法进行性能评估。通过在客户端部署不同的TCP拥塞控制算法,并设置瓶颈链路,进行带宽资源抢占实验。仿真结果验证了不同源端拥塞控制算法维护的数据流在带宽资源占用方面存在公平性问题。当客户端部署相同TCP拥塞控制算法时,TCP流能够进行高带宽传输。本文也验证了缓冲区大小对TCP流的性能影响。另外,组合了TCP拥塞控制算法和主动队列管理算法进行仿真实验,仿真结果验证了组合算法能够提升了TCP流的吞吐量和稳定性。最后,本文提出了一种基于概要数据的主动队列管理算法,并阐述了Sketch-AQM算法的解决方案。在NS3网络仿真器中评估算法性能,评估指标包括吞吐量、公平性、丢包率和鲁棒性等,通过与现有的RED算法、Co Del算法和PIE算法进行对比分析,验证了基于概要数据的主动队列管理算法的有效性。通过构建大量的网络模型,验证了Sketch-AQM算法细粒度区分丢包策略的优异性能,该算法能够在不同网络环境中有效的提升链路的吞吐量和传输过程中的稳定性以及具备快速识别并缓解网络拥塞的能力。
姜雨菲,梁向阳,唐俊勇[3]（2021）在《V2G网络中基于带宽自适应的拥塞控制协议优化》文中研究表明V2G网络下PLC链路带宽受限、高误码率等特点导致现有的TCP NewReno拥塞控制机制缺乏对丢包类型的有效判断,将链路上由噪声干扰的随机错误丢包与网络拥塞丢包统一当做拥塞事件处理,从而造成不必要的拥塞避免,导致了低吞吐量问题。根据此问题,提出了一种基于带宽自适应的拥塞控制算法。该算法通过分组预测拥塞等级感知网络状态,由此估计可用带宽来判断丢包类型,实现了拥塞窗口自适应调节。仿真结果表明该算法在拥塞窗口的增长、吞吐量、公平性、收敛性和友好性等方面都优于现有算法,V2G网络的吞吐量得到明显提升。
黄程远[4]（2021）在《高动态网络中的网络拥塞管理》文中研究指明互联网已经成为全球不可或缺的基础设施,网络技术也吸引了越来越多工业界和学术界的关注。为了满足丰富多样的网络应用的需求,各种各样的新型网络技术,例如,新型网络硬件、新型网络应用部署模式、新型网络架构,不断被应用到了现有网络之中。但是,在现有的网络中不断融合新型网络技术也给网络带来了难以管理的高动态问题。伴随着互联网时代巨幅增长的网络流量,这些都给网络中的流量管理带来了巨大的挑战。所以,在复杂的高动态网络中提供可预测的传输性能,对网络中发生的网络拥塞进行高效管理就成为了关键。本文从不同视角对高动态网络的网络拥塞管理问题展开了研究,具体的研究成果如下:（1）设计了应用层感知的多径拥塞控制（MPTCP）算法。针对传统的多径拥塞控制算法缺乏对应用感知的能力,而导致无法针对不同应用需求进行适配优化的问题,本论文提出了一种基于深度强化学习（DRL）的MPTCP拥塞控制算法-Partner。只需要修改不同的奖励函数,即可使用一套神经网络后端对不同目标进行自优化,来最优化网络应用的性能。通过仿真结果表明,Partner可以使用一套统一的控制框架搭配不同的包调度程序,来充分满足不同应用的需求。（2）设计了基于模仿学习的MPTCP拥塞控制算法。针对简单基于神经网络的MPTCP拥塞控制算法会导致不公平和性能不可预测的问题,本论文设计了 一种基于模仿学习的MPTCP拥塞控制算法-IMCC,并且该方案还采用了主从备份式的拥塞控制框架来提供持续的稳定性能,该框架在熟悉的环境中模拟专家行为,而在和训练环境差异过大的实际环境中,则切换到备份的传统拥塞控制算法。通过仿真结果表明IMCC可以正确应对MPTCP带来的高动态特性,并在不同环境中实现了稳定的性能和良好的公平性。（3）设计了网络核心无状态的网络性能隔离方法。针对现有的公有云网络性能隔离方案无法兼顾可扩展性和高性能的问题,本论文设计了一种网络核心无状态的网络性能隔离方法-SLIT。该方法通过将数据包调度决策的智能移动到网络边缘的Hypervisor中,然后让网内交换机根据数据包携带的调度决策进行无状态的转发,达到了模拟理想的物理队列隔绝流量的效果。通过仿真和实验床结果表明,SLIT可以实现良好的带宽隔离,同时还具有快速收敛,提高带宽利用率以及对短流友好的优点。（4）设计了在软件定义网络（SDN）超低时延数据面更新中的拥塞管理方法。针对现有的SDN网络更新方案由于控制回路过长而无法适应超低时延的数据平面中流量快速变化的问题,本论文设计了一种基于底层流量估计的SDN网络更新方法-MDVP,该方法将在网络更新过程中每一步流量的变化考虑其中,利用流量自身的收敛特性估计在每一阶段的流速变化,避免了由于流量大小剧烈变化而引发的不可控的网络拥塞。通过仿真证明MDVP可以在更新速度和拥塞程度之间做灵活取舍,并且可以有效减小数据流的需求违背率。
雷岚栋,池亚平,张亮亮[5]（2021）在《一种基于柯西分布的网络拥塞控制策略》文中研究指明当某些网络资源的网络负载超出其容量时,通信网络可能会发生拥塞,从而导致拥塞的网络设备丢弃数据包,拥塞控制机制在保持网络稳定性和实现网络资源的高利用率方面起着重要作用。在高带宽延迟网络中,TCP所使用的AIMD算法窗口抖动剧烈,导致其稳定性弱,系统吞吐量小,拥塞发生时,拥塞窗口剧烈减小。为此,本文提出一种基于柯西分布的网络拥塞控制策略,该策略主要是根据采样RTT数值的统计特性,迭代统计模型之柯西分布函数,动态更新预测下一次的拥塞窗口,使网络能在较短的时间达到较高的吞吐量;通过NS-3仿真对所提出的策略进行了验证。结果表明,与TCP New Reno相比,此策略有效提高了网络稳定性和网络性能。
张奎,刘晨[6]（2021）在《基于异构网络的TCP Vegas拥塞控制算法改进研究》文中研究说明针对异构网络在传输较大数据包时,Vegas算法根据RTT（Round-Trip Time,往返时延）超时来判定网络发生了拥塞,进而采取拥塞控制措施,而实际网络并没有发生拥塞的问题,在分析Vegas算法和队列管理机制工作原理的基础上,提出一种改进的Vegas跨层拥塞控制算法.该算法网络层采用RED队列管理机制,通过调节阈值参数和链路窗口满足一定的比例关系时,中间节点能够及时调度、处理和分发分组数据并降低RTT值,避免网络进入拥塞控制阶段,实现Vegas与Reno算法共存时的拥塞控制. NS2仿真结果表明,改进算法具有大拥塞窗口、高吞吐量和低误码率的性能,与Reno算法共存时网络性能较好,从而验证了改进算法的有效性.
陆嘉敏[7]（2021）在《视频直播传输算法移动端适配与优化研究》文中研究表明随着互联网和视频技术的迅速发展,诞生了诸如直播带货、在线教育等行业,改变了人们的生活和工作方式。与此同时,实时视频产生的巨大流量给互联网传输带来了巨大挑战,视频卡顿多、延迟高等问题影响着用户的观看体验。因此,视频流的传输算法及其优化成为研究热点。本文设计和实现了针对移动端视频直播传输算法的测评平台,利用真实移动网络数据模拟链路,分析不同算法在不同网络场景中的表现。实验结果表明,基于机器学习的算法相比GCC算法能获得更高的吞吐量,但是存在训练困难和算法表现不稳定的问题。针对以上问题,本文对基于机器学习的算法进行了深入的研究,通过对比实验探究了不同因素对算法性能的影响。实验结果表明,历史信息的长度对拥塞控制算法对网络拥塞的判断有影响,而神经网络的结构影响不大。根据实验结论,本文基于DQN算法提出了 LVCC算法,并针对线上环境不稳定的问题,提出了网络状况检测算法来保障鲁棒性。最后,基于上述算法设计并实现了视频直播传输算法在移动端的适配系统,并在真实直播场景中进行实验验证。结果表明,优化后的LVCC算法在视频RTT和视频卡顿率等指标上都有所改善,提升了视频的传输质量。
石佳明[8]（2021）在《数据中心网络中高吞吐低延时拥塞控制方法》文中进行了进一步梳理由于云服务对于流完成时间更加敏感,研究人员提出了很多拥塞控制机制来降低数据中心网络中的平均流完成时间。理论上,最短剩余时间优先调度策略可以实现最小的流完成时间。然而,现有的数据中心拥塞控制机制要么不能实现接近全局最优的最短剩余时间优先调度,要么难以实际部署。同时,数据中心中应用的快速发展导致其对端到端通信延迟的要求来到微秒级。因此,RDMA逐渐在数据中心网络中普及,以缓解传统软件协议栈处理速度慢造成的延迟。然而,现有的RDMA拥塞控制机制在同时实现高吞吐量和低时延方面远非最佳,部分方案还需要网络支持额外的功能。在本文中,我们分析了使用分布式传输控制协议实现接近全局最优最短剩余时间优先调度的挑战。然后提出了一种基于令牌的分布式数据中心拥塞控制机制Helm。Helm通过在接收端将动态优先级分配和基于流长的速率控制算法结合在一起,解决了这一挑战,可以在不修改交换机的情况下实现了接近全局最优的最短剩余时间优先调度。理论分析表明,Helm的性能接近于最短剩余时间优先调度。此外,大规模仿真实验结果表明,在数据中心网络中,与Homa等方案相比,Helm的平均和尾部流完成时间分别降低了 62%和75%。另外,我们研究发现数据中心网络中大多数拥塞发生在网络边缘。基于这个特征,我们提出了一种结合显式分配和迭代窗口调整的RDMA网络拥塞控制机制RCC。首先,我们提出了一种网络拥塞区分方法,将拥塞分为最后一跳拥塞和网内拥塞两种类型。然后,通过显式窗口分配机制来解决最后一跳拥塞,使发送端在一个RTT内收敛到合适的发送速率。对于网内拥塞,利用基于PID的迭代窗口调整方案,实现了快速收敛和接近零的排队时延。RCC不需要额外的网络功能支持,硬件实现开销小。实验结果表明,RCC的性能比ExpressPass、DCQCN、TIMELY和HPCC高出9～79%。
张超超[9]（2021）在《面向物联网系统的并发性优化研究与实现》文中研究说明随着物联网的不断广泛应用,窄带物联网以其低功耗、覆盖广、低成本的优势日益受到关注。随着物联网中节点数目不断增加,物联网传输系统面对的并发压力愈加严峻,为解决上述问题,本文研究了面向窄带物联网的并发技术,主要工作如下:首先,本文分析了 CoAP协议的传输机制,针对并发请求不断增长引起的网络拥塞问题,研究了物联网的业务数据增长对服务器造成的并发压力。总结了窄带物联网技术、拥塞控制方法和负载均衡方法,为进一步提升网络并发性能奠定技术基础。其次,针对CoAP选择随机值作为重传超时时间,缺乏动态调节能力的问题,分析了 CoAP高级拥塞控制方案CoCoA,并通过RTO估计器、可变回退因子VBF和RTO老化三种机制调整RTO,提升了CoAP的拥塞控制机制的自适应性。再次,针对CoCoA无法根据RTT估计值动态调节网络拥塞的问题,提出了重传次数加入CoAP报文的可选字段获取到准确RTT,避免了重传后ACK报文的模糊性,提升了 CoCoA的动态调节能力。同时,提出了一种窗口动态调整算法提升物联网系统吞吐量,并根据物联网设备的优先级调节不同数据的RTO更新机制,保证重要数据优先传输。实验证明所提方案提升了系统吞吐量和网络拥塞的处理能力。最后,针对物联网系统定时上报业务数据导致系统短时间承担巨大访问压力的问题,设计了一种高可用动态负载均衡系统。负载均衡服务器根据各个节点的负载信息动态分配请求,避免增加服务器造成的资源浪费,并通过虚拟路由冗余协议广播心跳实现故障时主备切换,提升负载均衡系统的可靠性。
高楷[10]（2021）在《软件定义网络中的多路径传输机制研究》文中进行了进一步梳理随着网络通信技术的快速发展,网络流量与终端数量呈现爆炸式增长,这些将给网络的数据传输服务带来巨大的压力与挑战。同时,现有网络架构的专有性和封闭性导致网络配置繁琐、效率低下,难以实现网络的智能管控与动态适配。近年来国内外诸多学者已开展了关于未来网络架构与传输协议的研究。软件定义网络作为未来网络的代表之一,其“控制与转发相分离”的设计特点保证了数据传输的可管可控,更灵活地支持网络资源的动态适配。此外,多路径传输协议充分利用网络设备多接口特性,通过多条路径传输数据,可有效提升网络吞吐量。因此,在软件定义网络中部署多路径传输协议将会提升网络的传输性能。然而,如何实现软件定义网络中高质量的多路传输服务仍然面临着诸多挑战:（1）现有多路径传输路径管理方法相对盲目、低效,终端侧和网络侧缺乏协作;（2）现有多路径传输数据调度中存在传输性能与价格开销之间的矛盾,无法在这两者之间做出平衡折衷;（3）现有多路径传输切换方法相对滞后、考虑的切换指标单一,难以根据切换过程中网络的实时变化进行主动性能补偿;（4）现有多路传输拥塞控制算法大多缺乏对实时网络应用数据新鲜程度的均衡考虑。针对以上挑战,本文重点从软件定义网络中多路径传输的路径管理、数据调度、移动切换与拥塞控制四个方面展开了深入研究,具体取得了如下成果:（1）设计了服务质量驱动的多路传输路径管理方法。构建了“网络侧-终端侧”联合优化的新型传输架构,在该架构下提出了基于SDN的拓扑收集与路径计算方法,子流数量优化方法,确定性路径分配方法,通过以上三种方法的相互协作,有效提升了网络吞吐量。（2）提出了随机优化的多路传输数据调度策略。该策略综合考虑了传输性能与价格开销,利用Lyapunov优化方法对该问题进行随机优化建模,制定相应的调度控制决策;此外,在网络侧,SDN控制器将网络的状态信息反馈至终端侧,这些信息能够辅助终端侧做出数据调度决策,实现了性能与开销的平衡折衷。（3）提出了博弈增强的多路传输补偿切换方法。设计了基于流模型的主动补偿切换方法,将吞吐量维持在稳定的状态;提出了基于SDN的最优候选候选接入点选择博弈方法,辅助终端侧做出最佳的切换决策,实现了对用户透明、无缝平滑的移动切换。（4）提出了信息年龄感知的多路传输拥塞控制算法。构建了全新的四元组多路传输模型,表征融合数据包级和数据流级的传输状态;在连接建立阶段,设计了面向SDN的信息年龄评估算法;在数据传输阶段,提出了基于流模型信息年龄感知的多路拥塞控制算法,满足了实时网络应用最新信息的更新需求。本文在软件定义网络中,以多路径传输机制为主线,通过构建“网络侧-终端侧”联合优化的新型传输架构,将SDN技术与多路径传输技术有机地结合起来,形成了一整套研究方案。本文所取得的成果与进展对我国新一代网络架构设计优化、数据传输服务的应用发展具有一定的借鉴意义。
二、PMIMD拥塞控制算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、PMIMD拥塞控制算法（论文提纲范文）
（1）前向纠错编码在网络传输协议中的应用综述（论文提纲范文）
| 1 引言 |
| 2 前向纠错编码概述 |
| 2.1 前向纠错编码应用场景 |
| 2.2 前向纠错编码策略 |
| 2.2.1 分组码 |
| 2.2.2 卷积码 |
| 2.3 自适应冗余度选择策略 |
| 3 前向纠错编码结合传统协议发展现状 |
| 3.1 单播场景下传统协议结合前向纠错编码的发展现状 |
| 3.2 组播场景下传统协议结合前向纠错编码的发展现状 |
| 4 前向纠错编码结合QUIC协议发展现状 |
| 4.1 QUIC协议概述 |
| 4.2 QUIC协议的特性 |
| 4.2.1 0-RTT连接特性 |
| 4.2.2 多路复用解决队头拥塞 |
| 4.2.3 解决重传模糊问题 |
| 4.2.4 无缝连接迁移特性 |
| 4.3 QUIC协议的研究现状 |
| 4.3.1 QUIC协议性能测量 |
| 4.3.2 QUIC协议的拓展 |
| 4.3.3 QUIC协议的其他方面研究 |
| 4.4 QUIC协议结合前向纠错编码的发展现状 |
（2）下一代网络传输控制理论研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 网络拥塞控制研究现状 |
| 1.2.1 源端拥塞控制算法研究现状 |
| 1.2.2 链路拥塞控制算法研究现状 |
| 1.3 本文的主要工作和组织结构 |
| 1.3.1 主要工作和研究目标 |
| 1.3.2 论文的组织结构 |
| 第二章 相关研究分析 |
| 2.1 网络拥塞及控制方式 |
| 2.2 源端拥塞控制算法 |
| 2.2.1 基于丢包的源端拥塞控制算法 |
| 2.2.2 基于时延的源端拥塞控制算法 |
| 2.2.3 源端拥塞控制算法存在的问题 |
| 2.3 链路拥塞控制算法 |
| 2.3.1 被动队列管理算法 |
| 2.3.2 主动队列管理算法 |
| 2.3.3 链路拥塞控制算法存在的问题 |
| 2.4 本章小结 |
| 第三章 基于NS3的拥塞控制算法性能评估 |
| 3.1 研究目标与实现方式 |
| 3.1.1 TCP-BBR自反馈机制 |
| 3.2 仿真实验设计 |
| 3.2.1 仿真工具NS3 |
| 3.2.2 可视化功能实现 |
| 3.2.3 仿真场景建模 |
| 3.3 实验结果分析 |
| 3.3.1 吞吐量分析 |
| 3.3.2 公平性分析 |
| 3.3.3 时延分析 |
| 3.3.4 组合算法性能分析 |
| 3.4 本章小结 |
| 第四章 基于概要数据的主动队列管理算法 |
| 4.1 研究目标与实现方式 |
| 4.1.1 概要数据结构 |
| 4.2 基于概要数据的主动队列管理算法 |
| 4.3 仿真实验设计 |
| 4.3.1 模块扩充实现 |
| 4.3.2 仿真场景建模 |
| 4.3.3 参数设置 |
| 4.4 实验结果分析 |
| 4.4.1 吞吐量分析 |
| 4.4.2 鲁棒性分析 |
| 4.4.3 公平性分析 |
| 4.4.4 丢包率分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间申请的专利 |
| 附录4 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（3）V2G网络中基于带宽自适应的拥塞控制协议优化（论文提纲范文）
| 1 相关工作 |
| 2 基于带宽自适应拥塞控制算法 |
| 2.1 TCP NewReno算法模型分析 |
| 2.2 TCP NewRenoBE算法描述 |
| 1)网络状态感知 |
| 2)可用带宽估计 |
| 3)计算最佳拥塞窗口值 |
| 3 仿真结果与分析 |
| 3.1 仿真场景设置 |
| 3.1.1 单路径传输 |
| 3.1.2 多路径传输 |
| 3.1.3 实验仿真参数 |
| 3.2 实验结果分析 |
| 3.2.1 拥塞窗口比较 |
| 3.2.2 吞吐量比较 |
| 3.2.3 性能提升评估 |
| 3.2.4 公平性评估 |
| 3.2.5 收敛性评估 |
| 3.2.6 友好性评估 |
| 4 结束语 |
（4）高动态网络中的网络拥塞管理（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 网络硬件冗余引入的网络动态 |
| 1.1.2 公有云中引入的网络动态 |
| 1.1.3 SDN中引入的网络动态 |
| 1.2 研究问题 |
| 1.2.1 MPTCP协议缺乏对应用层的感知能力 |
| 1.2.2 MPTCP无法灵活处理复杂的网络环境 |
| 1.2.3 公有云网络中不可预测的网络性能 |
| 1.2.4 SDN网络配置变化引入的不可控的网络拥塞 |
| 1.3 网络拥塞管理的研究现状 |
| 1.4 论文的研究内容 |
| 1.5 论文的结构安排 |
| 第二章 背景知识和相关工作 |
| 2.1 MPTCP拥塞控制算法 |
| 2.2 公有云网络中的网络性能隔离 |
| 2.3 SDN网络更新方法 |
| 2.4 本章总结 |
| 第三章 应用层感知的MPTCP拥塞控制算法 |
| 3.1 概述 |
| 3.2 Partner的设计动机 |
| 3.2.1 过度膨胀的资源池导致不正确的调度决策 |
| 3.2.2 过度缩小的资源池限制了调度决策 |
| 3.3 Partner的设计 |
| 3.3.1 Partner中的组件介绍 |
| 3.3.2 Reward函数设计 |
| 3.3.3 其他的设计细节 |
| 3.4 实验评估 |
| 3.4.1 参数的选择 |
| 3.4.2 实验的结果与分析 |
| 3.5 本章总结 |
| 第四章 基于模仿学习的MPTCP拥塞控制算法 |
| 4.1 概述 |
| 4.2 IMCC的设计动机 |
| 4.2.1 不稳定的性能波动 |
| 4.2.2 严重的不公平问题 |
| 4.3 IMCC的设计 |
| 4.3.1 IMCC的设计概览 |
| 4.3.2 通过LSTM来应对动态变化的子流数量 |
| 4.3.3 通过模仿学习来自动产生奖励值函数 |
| 4.3.4 IMCC的部署模式 |
| 4.4 实验评估 |
| 4.4.1 IMCC能正确处理子流数量变化 |
| 4.4.2 IMCC达到了流级别的公平性 |
| 4.4.3 IMCC提供持续性的稳定性能 |
| 4.5 本章总结 |
| 第五章 网络核心无状态的网络性能隔离方法 |
| 5.1 概述 |
| 5.2 SLIT的设计动机和相关知识 |
| 5.2.1 WFQ队列调度机制 |
| 5.2.2 分布式的VM级别的WFQ队列 |
| 5.2.3 在VM之间的长期的不公平现象 |
| 5.2.4 不公平现象的举例 |
| 5.3 SLIT的设计 |
| 5.3.1 设计概述 |
| 5.3.2 系统框架 |
| 5.3.3 设计细节 |
| 5.4 实验与评估 |
| 5.4.1 基本功能 |
| 5.4.2 在应对动态流量时的性能 |
| 5.4.3 大规模的仿真实验 |
| 5.5 本章总结 |
| 第六章 SDN超低时延数据面更新中的拥塞管理方法 |
| 6.1 概述 |
| 6.2 设计动机和基本概念 |
| 6.2.1 网络模型 |
| 6.2.2 数据流分类 |
| 6.2.3 典型例子 |
| 6.3 设计细节 |
| 6.3.1 问题的建模 |
| 6.3.2 将约束条件转化为线性条件 |
| 6.3.3 困难度分析 |
| 6.3.4 启发式的算法 |
| 6.4 实验评估 |
| 6.4.1 实验设置 |
| 6.4.2 性能评估 |
| 6.5 本章总结 |
| 第七章 总结与展望 |
| 7.1 论文的工作总结 |
| 7.2 后续的研究展望 |
| 参考文献 |
| 附录A 缩略语表 |
| 致谢 |
| 攻读博士期间发表的学术论文和专利 |
（5）一种基于柯西分布的网络拥塞控制策略（论文提纲范文）
| 引言 |
| 1 拥塞控制相关工作分析 |
| 1.1 拥塞控制主要方式 |
| 1.2 拥塞控制四个阶段 |
| 1.3 拥塞控制研究进展 |
| 2 柯西分布拥塞控制策略 |
| 2.1 具体策略 |
| 2.2 柯西分布统计模型 |
| 3 策略具体分析 |
| 3.1 算法分析 |
| 3.2 性能分析 |
| 4 仿真与验证 |
| 5 总结 |
（6）基于异构网络的TCP Vegas拥塞控制算法改进研究（论文提纲范文）
| 0 引言 |
| 1 Vegas跨层拥塞控制算法 |
| 1.1 Vegas算法的不足 |
| 1.2 Vegas跨层拥塞控制算法 |
| 2 实验系统设计 |
| 3 仿真结果分析 |
| 3.1 THmin和THmax参数对网络公平性的影响 |
| 3.2 Vegas算法与Reno算法性能对比 |
| 3.2.1 cwnd变化 |
| 3.2.2 平均吞吐量和丢包率变化 |
| 4 结束语 |
（7）视频直播传输算法移动端适配与优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 视频直播技术的发展现状 |
| 1.2.2 移动端视频直播传输算法的优化研究 |
| 1.3 研究目标与研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术 |
| 2.1 视频直播关键技术 |
| 2.1.1 视频直播基本架构 |
| 2.1.2 音视频传输技术 |
| 2.1.3 WebRTC底层模块介绍 |
| 2.2 网络拥塞控制 |
| 2.2.1 网络出现拥塞的原因分析 |
| 2.2.2 基于TCP的拥塞控制算法 |
| 2.2.3 视频流场景下的拥塞控制算法 |
| 2.3 机器学习相关技术 |
| 2.3.1 机器学习理论 |
| 2.3.2 强化学习 |
| 2.3.3 强化学习分类 |
| 2.4 本章小结 |
| 第三章 视频直播传输算法测评研究 |
| 3.1 测评平台设计与实现 |
| 3.1.1 移动网络链路模拟 |
| 3.1.2 视频直播传输算法测评平台设计与实现 |
| 3.2 实验评估 |
| 3.2.1 测评实验环境 |
| 3.2.2 测评实验部署 |
| 3.2.3 实验结果 |
| 3.2.4 问题分析和总结 |
| 3.3 本章小结 |
| 第四章 视频直播传输算法移动端适配与优化研究 |
| 4.1 视频直播传输算法性能优化 |
| 4.1.1 优化角度 |
| 4.1.2 不同强化学习算法的影响 |
| 4.1.3 输入状态历史信息长度的影响 |
| 4.1.4 神经网络结构的影响 |
| 4.2 LVCC算法设计 |
| 4.2.1 LVCC算法架构 |
| 4.2.2 DQN智能体的设计 |
| 4.2.3 算法训练过程与实验结果 |
| 4.3 网络状况检测算法 |
| 4.4 本章小结 |
| 第五章 系统设计与实验评估 |
| 5.1 移动端在线适配系统 |
| 5.1.1 移动端适配系统方案选择 |
| 5.1.2 移动端在线适配系统设计与实现 |
| 5.2 在线实验评估 |
| 5.2.1 在线实验环境和实验部署 |
| 5.2.2 受限网络场景的实验结果 |
| 5.2.3 真实直播场景的实验结果 |
| 5.2.4 基于机器学习算法的实验结果 |
| 5.3 移动端适配系统的不足与展望 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 对本文工作的总结 |
| 6.2 对未来研究工作的展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所发表的学术论文 |
（8）数据中心网络中高吞吐低延时拥塞控制方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容和贡献 |
| 1.3.1 研究内容 |
| 1.3.2 研究目标和贡献 |
| 1.4 论文结构安排 |
| 第二章 相关技术介绍 |
| 2.1 数据中心网络 |
| 2.1.1 拓扑架构 |
| 2.1.2 流量特征 |
| 2.2 RoCE网络技术 |
| 2.3 传输控制方法 |
| 2.4 本章小结 |
| 第三章 基于令牌调度的拥塞控制算法 |
| 3.1 引言 |
| 3.2 背景 |
| 3.2.1 相关工作 |
| 3.2.2 调度策略比较 |
| 3.2.3 研究动机 |
| 3.3 挑战和基本思想 |
| 3.3.1 挑战 |
| 3.3.2 基本思想 |
| 3.4 系统设计 |
| 3.4.1 Helm框架 |
| 3.4.2 优先级分配算法 |
| 3.4.3 速率控制算法 |
| 3.5 理论分析 |
| 3.6 性能评估 |
| 3.6.1 实验设置 |
| 3.6.2 实验结果 |
| 3.7 本章小结 |
| 第四章 基于接收端驱动的RDMA网络拥塞控制算法 |
| 4.1 引言 |
| 4.2 背景 |
| 4.2.1 以太网中的RDMA |
| 4.2.2 RDMA网络拥塞控制解决方案 |
| 4.2.3 大部分拥塞发生在网络边缘 |
| 4.2.4 简要总结 |
| 4.3 系统设计与实现 |
| 4.3.1 基本理念和挑战 |
| 4.3.2 系统框架 |
| 4.3.3 拥塞类型区分 |
| 4.3.4 显式窗口分配 |
| 4.3.5 基于PID的拥塞控制 |
| 4.3.6 RCC的参数以及硬件开销 |
| 4.4 理论分析 |
| 4.5 性能评估 |
| 4.5.1 实验设置 |
| 4.5.2 小型基准测试 |
| 4.5.3 DPDK硬件实验 |
| 4.5.4 大规模网络仿真实验 |
| 4.5.5 深入分析RCC算法 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文主要工作与总结 |
| 5.2 进一步工作 |
| 参考文献 |
| 附录 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）面向物联网系统的并发性优化研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 论文研究现状 |
| 1.2.1 CoAP拥塞控制研究现状 |
| 1.2.2 负载均衡技术研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 第二章 物联网系统相关技术 |
| 2.1 NB-IoT技术 |
| 2.2 CoAP传输协议 |
| 2.2.1 CoAP概述 |
| 2.2.2 CoAP传输机制 |
| 2.2.3 CoAP传输模式 |
| 2.2.4 CoAP拥塞机制 |
| 2.3 CoCoA方案 |
| 2.3.1 RTO估计器 |
| 2.3.2 可变回退因子 |
| 2.3.3 RTO退化 |
| 2.4 负载均衡 |
| 2.4.1 负载均衡分类 |
| 2.4.2 负载均衡实现 |
| 2.5 本章小结 |
| 第三章 基于Vegas的COAP拥塞控制算法 |
| 3.1 CoAP的拥塞控制优化 |
| 3.1.1 现有拥塞控制算法的不足 |
| 3.1.2 RTO精确数值的获取 |
| 3.1.3 基于NSTART的窗口动态调整算法 |
| 3.1.4 基于设备优先级的拥塞控制算法优化 |
| 3.2 CoAP拥塞控制实现 |
| 3.2.1 Californium框架概述 |
| 3.2.2 实验设计 |
| 3.2.3 运行测试 |
| 3.3 实验结果分析 |
| 3.3.1 吞吐量 |
| 3.3.2 请求成功率 |
| 3.3.3 数据重传率 |
| 3.4 本章小结 |
| 第四章 面向物联网服务器的动态负载均衡算法 |
| 4.1 动态负载均衡 |
| 4.1.1 动态负载均衡概述 |
| 4.1.2 负载信息收集 |
| 4.1.3 负载信息处理 |
| 4.1.4 权重修改 |
| 4.2 故障切换 |
| 4.2.1 主备切换 |
| 4.2.2 VRRP协议 |
| 4.2.3 负载分担 |
| 4.3 服务端动态负载均衡实现 |
| 4.3.1 动态负载均衡实现 |
| 4.3.2 双机热备实现 |
| 4.4 线程池调优 |
| 4.4.1 线程池构建方法 |
| 4.4.2 线程池动态调整 |
| 4.5 实验结果分析 |
| 4.5.1 性能测试工具 |
| 4.5.2 系统平均响应时间 |
| 4.5.3 系统实际并发数 |
| 4.5.4 故障切换验证 |
| 4.6 本章小结 |
| 第五章 总结展望 |
| 5.1 论文工作总结 |
| 5.2 进一步研究工作 |
| 参考文献 |
| 致谢 |
（10）软件定义网络中的多路径传输机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 软件定义网络中的多路径传输机制研究现状分析 |
| 2.1 多路径传输控制协议与软件定义网络 |
| 2.1.1 多路径传输控制协议的基本设计 |
| 2.1.2 软件定义网络的关键技术 |
| 2.2 软件定义网络中的多路径传输技术 |
| 2.2.1 路径管理方法 |
| 2.2.2 数据调度策略 |
| 2.2.3 移动切换机制 |
| 2.2.4 拥塞控制算法 |
| 2.3 本章小结 |
| 第三章 服务质量驱动的多路传输路径管理方法 |
| 3.1 本章引言 |
| 3.2 网络侧与终端侧联合优化系统架构 |
| 3.3 基于SDN的网络拓扑收集和路径计算方法 |
| 3.4 服务质量感知的多路径子流数量优化算法 |
| 3.5 SDN集中管控的确定性路径分配策略 |
| 3.6 仿真实验与性能评估 |
| 3.6.1 实验平台设置 |
| 3.6.2 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 随机优化的多路传输数据调度策略 |
| 4.1 本章引言 |
| 4.2 随机优化的多路传输系统模型 |
| 4.2.1 数据调度框架设计 |
| 4.2.2 传输队列模型构建 |
| 4.3 面向SDN的传输性能与价格开销折衷模型 |
| 4.4 随机优化的多路传输数据调度算法 |
| 4.4.1 问题求解与数据包分配决策 |
| 4.4.2 数据传输与价格开销分析 |
| 4.5 仿真实验与性能评估 |
| 4.5.1 实验环境与参数设置 |
| 4.5.2 实验评估结果与分析 |
| 4.6 本章小结 |
| 第五章 博弈增强的多路传输补偿切换方法 |
| 5.1 本章引言 |
| 5.2 多路补偿传输系统架构 |
| 5.3 信号强度精确评估模型 |
| 5.4 基于流模型的主动补偿切换方法 |
| 5.5 基于SDN的最优候选RSU选择博弈方法 |
| 5.5.1 候选RSU选择博弈模型 |
| 5.5.2 切换选择策略与博弈性能分析 |
| 5.6 仿真实验与性能评估 |
| 5.6.1 多路主动补偿切换算法的性能分析 |
| 5.6.2 最优候选RSU选择博弈方法的性能分析 |
| 5.7 本章小结 |
| 第六章 信息年龄感知的多路传输拥塞控制算法 |
| 6.1 本章引言 |
| 6.2 信息年龄感知的传输系统模型 |
| 6.3 面向SDN的信息年龄评估算法 |
| 6.4 多路传输的信息年龄设计与定义 |
| 6.5 基于流模型信息年龄感知的多路拥塞控制算法 |
| 6.6 仿真实验与性能评估 |
| 6.6.1 连接建立阶段的性能分析 |
| 6.6.2 数据传输阶段的性能分析 |
| 6.7 本章小结 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间参与的科研项目 |
四、PMIMD拥塞控制算法（论文参考文献）
- [1]前向纠错编码在网络传输协议中的应用综述[J]. 林利祥,刘旭东,刘少腾,徐跃东. 计算机科学, 2022
- [2]下一代网络传输控制理论研究与应用[D]. 张浩. 南京邮电大学, 2021
- [3]V2G网络中基于带宽自适应的拥塞控制协议优化[J]. 姜雨菲,梁向阳,唐俊勇. 计算机应用研究, 2021
- [4]高动态网络中的网络拥塞管理[D]. 黄程远. 北京邮电大学, 2021(01)
- [5]一种基于柯西分布的网络拥塞控制策略[J]. 雷岚栋,池亚平,张亮亮. 北京电子科技学院学报, 2021(02)
- [6]基于异构网络的TCP Vegas拥塞控制算法改进研究[J]. 张奎,刘晨. 伊犁师范学院学报(自然科学版), 2021(02)
- [7]视频直播传输算法移动端适配与优化研究[D]. 陆嘉敏. 北京邮电大学, 2021(01)
- [8]数据中心网络中高吞吐低延时拥塞控制方法[D]. 石佳明. 北京邮电大学, 2021(01)
- [9]面向物联网系统的并发性优化研究与实现[D]. 张超超. 北京邮电大学, 2021(01)
- [10]软件定义网络中的多路径传输机制研究[D]. 高楷. 北京邮电大学, 2021