当前位置: 首页 > 专利查询>深圳大学专利>正文

一种自适应调节拥塞控制初始窗口的方法和系统技术方案

技术编号:24014930 阅读:51 留言:0更新日期:2020-05-02 03:03
本发明专利技术提供一种自适应调节拥塞控制初始窗口的方法和系统。该方法包括:构建神经网络决策模型,以历史的流传输状态作为输入,以拥塞控制初始窗口的概率分布作为输出;构建马尔科夫学习过程,通过在线学习获得所述神经网络决策模型的优化参数;利用所优化的神经网络决策模型获得拥塞控制初始窗口值,用于后续的流传输过程。本发明专利技术利用深度神经网络动态设置拥塞控制初始窗口,并能适应网络环境的变化,从而提高了网络传输效率。

A method and system of adaptive adjustment of congestion control initial window

【技术实现步骤摘要】
一种自适应调节拥塞控制初始窗口的方法和系统
本专利技术涉及通信
,尤其涉及一种自适应调节拥塞控制初始窗口的方法和系统。
技术介绍
TCP(传输控制协议)是一种面向连接的、可靠的、基于字节流的传输层通信协议,拥塞控制是一种用来调整TCP中拥塞窗口大小的算法,许多应用通过传输控制协议实现互相通信。开始通信时,客户端会与服务器建立一个TCP连接,然后客户端向服务器发送请求,服务器收到请求后,给客户端发送响应。在进行响应数据传输时,客户端将根据拥塞控制算法动态的调整拥塞窗口的大小,拥塞窗口大小的初始值很小,通常设置成2或10。适当提高初始窗口的大小能够减少流传输时间并且提升网络的吞吐量,然而如果一味地增大初始窗口,则可能导致网络拥塞从而增加流传输时间。所以需要设置一个最佳的初始窗口大小,使得网络在不发生额外拥塞的情况下最小化流传输时间。初始窗口的设置可应用于多种场景,例如在边缘计算场景中,大多数应用对网络延迟非常敏感,因此网络拥塞将产生非常严重的影响。因此如何设置适当的初始拥塞窗口,才能使得流传输时间最短并且网络拥塞发生最少是一个本文档来自技高网...

【技术保护点】
1.一种自适应调节拥塞控制初始窗口的方法,包括以下步骤:/n构建神经网络决策模型,以历史的流传输状态作为输入,以拥塞控制初始窗口的分布作为输出动作;/n构建马尔科夫学习过程通过在线学习获得所述神经网络决策模型的优化参数,其中,一个决策对应神经网络决策模型中一组参数θ,并且该决策对应一个状态轨迹{s

【技术特征摘要】
1.一种自适应调节拥塞控制初始窗口的方法,包括以下步骤:
构建神经网络决策模型,以历史的流传输状态作为输入,以拥塞控制初始窗口的分布作为输出动作;
构建马尔科夫学习过程通过在线学习获得所述神经网络决策模型的优化参数,其中,一个决策对应神经网络决策模型中一组参数θ,并且该决策对应一个状态轨迹{s0,a0,s1,a1,...,st,at,...}和流传输性能集合{d0,d1,...,dt,...},经过多个轮次的迭代更新,找到最佳的决策参数θ,使得期望的流传输性能最优,其中s表示输入的流传输状态,a表示输出动作;
利用所优化的神经网络决策模型获得拥塞控制初始窗口值,用于后续的流传输过程。


2.根据权利要求1所述的方法,其特征在于,基于流完成传输时间,流到达的间隔时间,流结束的间隔时间,流数据量,流吞吐量,流往返时延的k个样本所构建的统计直方图来描述所述神经网络决策模型在一段时间内的流传输状态,其中所述流完成传输时间是衡量流传输性能的指标。


3.根据权利要求1所述的方法,其特征在于,所述神经网络决策模型包括特征提取器和预测器,所述特征提取器用于从输入数据中提取特征,其包括依次连接的五个卷积层和一个全连接层;所述预测器用于预测拥塞控制窗口值的概率分布,其输入是所述特征提取器提取的特征输出,所述预测器包括两个全连接层和一个输出层,并且输出层通过使用softmax激活函数将输出转换为拥塞控制初始窗口值的概率分布。


4.根据权利要求2所述的方法,其特征在于,该方法还包括:在所述神经网络决策模型的输入直方图信息的变化达到预设目标的情况下,初始化所述神经神经网络决策模型的最后两层的参数进行重新优化。


5.根据权利要求4所述的方法,其特征在于,采用以下指标来衡量所述神经网络决策模型的输入直方图信...

【专利技术属性】
技术研发人员:谢瑞桃孙文斌伍楷舜
申请(专利权)人:深圳大学
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1