结合启发式方法与强化学习实现低时延高吞吐接收端拥塞控制
网络与互联网体系结构
2025-02-25 v1
摘要
传统的拥塞控制算法在时变网络条件下难以维持一致且令人满意的数据传输性能。同时，随着视频流量的主导地位上升，DASH 框架与 TCP 拥塞控制之间松耦合导致带宽使用不匹配，从而限制了视频流媒体性能。为解决这些问题，本文提出了一个基于接收方驱动的拥塞控制框架，命名为 Nuwa。Nuwa 在接收端部署拥塞避免阶段，利用单向队列延迟检测监控网络拥塞，并为不同应用设置特定的目标延迟。实验结果表明，在合理的参数配置下，Nuwa 可将 TCP 流的吞吐量提高 4% 到 15.4%，将平均队列延迟降低 6.9% 到 29.4%。此外，我们还引入了强化学习用于动态调整 Nuwa 的关键参数，以增强其对不可预测环境的适应性。
引用
@article{arxiv.2502.16498,
title = {Combining Heuristic and Reinforcement Learning to Achieve the Low-latency and High-throughput Receiver-side Congestion Control},
author = {Xianliang Jiang and Guanghui Gong and Guang Jin},
journal= {arXiv preprint arXiv:2502.16498},
year = {2025}
}
备注
15 pages, 17 figures