基于学习方法的网络拥塞控制算法研究
发布时间：2021-01-17 18:45
网络拥塞是在网络中传输数据包数量过多时,由于转发节点等资源的限制而引起的数据传输速率及传输性能下降的现象,其本质是网络本身的处理能力无法满足用户对网络资源的需求。为了增加网络资源的利用效率,提高网络传输速率,增加用户网络使用的幸福度,设计出性能更好的网络拥塞控制算法是计算机网络方向的热点研究课题。本文针对人工设计拥塞控制算法较为繁琐,人工设计算法的速度无法跟上网络环境的变化速度等问题;将网络拥塞控制问题转化为机器学习问题,使用机器学习中学习方法替代人工设计,提高了开发拥塞控制算法的效率。首先,本文首先将网络拥塞控制问题转化为机器学习分类问题提出了MLCC算法。MLCC算法以传统算法作为“教师”收集得到数据集,后通过使用分类器模型学习隐藏在数据集中映射规则完美的复现了传统的网络拥塞控制算法。实验证明MLCC算法在吞吐量,公平性,拥塞控制曲线调整等方面与传统拥塞控制算法基本相同,验证了MLCC算法的有效性。将网络拥塞控制问题转化为机器学习分类问题后,通过对收集得到的数据集中特征和标签的对应关系分析后得到新的拥塞控制算法的建立可以转换为数据集中新的映射关系的建立。基于上述分析,本文提出使用半...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
MLCC与Compound算
哈尔滨理工大学工学硕士学位论文-27-图3-8中横轴代表仿真实验模拟时间，纵轴为拥塞控制窗口大校从图3-8中可以看出，MLCC算法生成的拥塞窗口控制曲线基本和Compound算法生成的拥塞窗口控制曲线一致如50Mb到500Mb环境下，MLCC算法曲线和Compound算法曲线基本重合，在10Mb的环境下，两个算法虽然没有重合但两个算法曲线的变化趋势是完全相同的。表明了MLCC算法在拥塞窗口的调节上和Compound算法基本没有差别。3.4.2网络吞吐量实验本实验分为两组进行。第一组中，使用四个发送端，发送端都嵌入分类器拥塞控制算法MLCC；第二组中，使用四个发送端，发送端使用Compound拥塞控制算法。两种算法吞吐量的对比如图3-9所示。图3-9MLCC与Compound算法网络吞吐量对比Figure3-9MLCCandCompoundalgorithmnetworkthroughputcomparison在图3-9中，横轴代表网络链路的延时和带宽参数，纵轴则是吞吐量大校可以看出，使用MLCC算法的TCP连接产生的吞吐量和使用Compound算法的TCP连接产生的吞吐量基本相等，表明了MLCC算法在吞吐量上和Compound算法基本没有差别。3.4.3往返延时实验本实验分为两组进行。第一组中，使用四个发送端，发送端都嵌入分类器拥塞控制算法MLCC；第二组中，使用四个发送端，发送端使用Compound拥塞控制算法。两种算法的RTT往返时延对比如图3-10所示：
哈尔滨理工大学工学硕士学位论文-28-图3-10MLCC与Compound算法RTT对比Figure3-10MLCCversusCompoundalgorithmRTT在图3-10中，横轴代表网络链路的延时和带宽参数，纵轴为RTT大校我们同时对比了MLCC和Compound算法的最大链路时延MAX-Compound和MAX-MLCC、最小链路时延MIN-Compound和MIN-MLCC和平均链路时延AVG-Compound和AVG-MLCC。可以看出，使用MLCC算法的TCP连接的时延和使用Compound算法的TCP连接产生的连接的时延基本相等，表明了MLCC算法在时延上的表现和Compound算法基本没有差别。3.4.4协议内公平性实验本实验分为两组进行。第一组中，使用四个发送端，发送端都嵌入分类器拥塞控制算法MLCC；第二组中，使用四个发送端，发送端使用Compound拥塞控制算法。两种算法的网络公平性指数进行计算并对比如图3-11所示。图3-11MLCC与Compound算法协议内公平性因子对比Figure3-11comparisonoffairnessfactorsbetweenMLCCandCompoundalgorithm
【参考文献】：
期刊论文
[1]基于XGBoost的短时交通流预测模型[J]. 钟颖,邵毅明,吴文文,胡广雪. 科学技术与工程. 2019(30)
[2]基于卷积神经网络和XGBoost的情感分析模型[J]. 韩涛,尹伟石,方明. 复旦学报(自然科学版). 2019(05)
[3]基于超像素多特征融合的快速图像分割算法[J]. 侯小刚,赵海英,马严. 电子学报. 2019(10)
[4]有监督主题模型的SLDA-TC文本分类新方法[J]. 唐焕玲,窦全胜,于立萍,宋英杰,鲁明羽. 电子学报. 2019(06)
博士论文
[1]TCP技术在内容分发网络上的应用研究[D]. 章俊.清华大学 2016
硕士论文
[1]基于FAST TCP拥塞控制分析与改进的研究[D]. 黄铁.华中师范大学 2015
本文编号：2983403
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
MLCC与Compound算
哈尔滨理工大学工学硕士学位论文-27-图3-8中横轴代表仿真实验模拟时间，纵轴为拥塞控制窗口大校从图3-8中可以看出，MLCC算法生成的拥塞窗口控制曲线基本和Compound算法生成的拥塞窗口控制曲线一致如50Mb到500Mb环境下，MLCC算法曲线和Compound算法曲线基本重合，在10Mb的环境下，两个算法虽然没有重合但两个算法曲线的变化趋势是完全相同的。表明了MLCC算法在拥塞窗口的调节上和Compound算法基本没有差别。3.4.2网络吞吐量实验本实验分为两组进行。第一组中，使用四个发送端，发送端都嵌入分类器拥塞控制算法MLCC；第二组中，使用四个发送端，发送端使用Compound拥塞控制算法。两种算法吞吐量的对比如图3-9所示。图3-9MLCC与Compound算法网络吞吐量对比Figure3-9MLCCandCompoundalgorithmnetworkthroughputcomparison在图3-9中，横轴代表网络链路的延时和带宽参数，纵轴则是吞吐量大校可以看出，使用MLCC算法的TCP连接产生的吞吐量和使用Compound算法的TCP连接产生的吞吐量基本相等，表明了MLCC算法在吞吐量上和Compound算法基本没有差别。3.4.3往返延时实验本实验分为两组进行。第一组中，使用四个发送端，发送端都嵌入分类器拥塞控制算法MLCC；第二组中，使用四个发送端，发送端使用Compound拥塞控制算法。两种算法的RTT往返时延对比如图3-10所示：
哈尔滨理工大学工学硕士学位论文-28-图3-10MLCC与Compound算法RTT对比Figure3-10MLCCversusCompoundalgorithmRTT在图3-10中，横轴代表网络链路的延时和带宽参数，纵轴为RTT大校我们同时对比了MLCC和Compound算法的最大链路时延MAX-Compound和MAX-MLCC、最小链路时延MIN-Compound和MIN-MLCC和平均链路时延AVG-Compound和AVG-MLCC。可以看出，使用MLCC算法的TCP连接的时延和使用Compound算法的TCP连接产生的连接的时延基本相等，表明了MLCC算法在时延上的表现和Compound算法基本没有差别。3.4.4协议内公平性实验本实验分为两组进行。第一组中，使用四个发送端，发送端都嵌入分类器拥塞控制算法MLCC；第二组中，使用四个发送端，发送端使用Compound拥塞控制算法。两种算法的网络公平性指数进行计算并对比如图3-11所示。图3-11MLCC与Compound算法协议内公平性因子对比Figure3-11comparisonoffairnessfactorsbetweenMLCCandCompoundalgorithm
【参考文献】：
期刊论文
[1]基于XGBoost的短时交通流预测模型[J]. 钟颖,邵毅明,吴文文,胡广雪. 科学技术与工程. 2019(30)
[2]基于卷积神经网络和XGBoost的情感分析模型[J]. 韩涛,尹伟石,方明. 复旦学报(自然科学版). 2019(05)
[3]基于超像素多特征融合的快速图像分割算法[J]. 侯小刚,赵海英,马严. 电子学报. 2019(10)
[4]有监督主题模型的SLDA-TC文本分类新方法[J]. 唐焕玲,窦全胜,于立萍,宋英杰,鲁明羽. 电子学报. 2019(06)
博士论文
[1]TCP技术在内容分发网络上的应用研究[D]. 章俊.清华大学 2016
硕士论文
[1]基于FAST TCP拥塞控制分析与改进的研究[D]. 黄铁.华中师范大学 2015
本文编号：2983403
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/2983403.html
