拥塞控制算法的理论类型KCC理论类型控制论 排队论 流体动力学核心模型将数据包序列视为连续流体瓶颈队列服从流体动力学方程dqdtr(t)−C\frac{dq}{dt} r(t) - Cdtdqr(t)−C控制目标是调节发送速率 (r(t))使排队延迟 (T_{\text{queue}} q/C) 保持在目标范围内。离散时间下的 Lindley 递归qk1max(0,qkwk⋅MSS−C⋅Tprop)q_{k1} \max(0, q_k w_k \cdot \text{MSS} - C \cdot T_{\text{prop}})qk1max(0,qkwk⋅MSS−C⋅Tprop)数学工具Lindley 递归排队论、卡尔曼滤波状态估计、ISS/Lyapunov 稳定性分析控制论。BBR理论类型基于测量的启发式核心模型显式测量带宽 (BW) 和最小 RTT(RTprop)计算管道容量BDPBW×RTpropBDP BW \times RTpropBDPBW×RTprop控制律为增益调度(g \in {1.25, 0.75, 1.0})。数学工具滑动窗口最大/最小滤波。无控制论稳定性证明。COPA理论类型凸优化 / 马尔可夫决策核心模型目标速率r∗1δ⋅dqr^* \frac{1}{\delta \cdot d_q}r∗δ⋅dq1其中 (d_q) 为排队延迟。在马尔可夫包到达模型下优化吞吐量与延迟的加权函数。数学工具马尔可夫链、凸优化收敛性分析。PCC理论类型无模型在线学习核心模型通过 Monitor Interval 实验测量不同速率下的实际性能吞吐量、延迟、丢包用梯度上升优化效用函数。不假设网络结构。数学工具在线凸优化、梯度上升。DCTCP理论类型ECN 比例反馈控制核心模型交换机 ECN 标记比例 (\alpha) 作为拥塞信号窗口 reduction (\alpha/2)。队列目标为稳定在标记阈值附近。数学工具线性比例控制。依赖硬件 ECN 支持。CTCP理论类型双组件混合启发式核心模型丢包组件Reno AIMD 延迟组件排队延迟小则额外增窗两窗口求和。延迟组件为启发式规则。数学工具无形式化数学模型。CUBIC理论类型丢包事件驱动的非线性启发式核心模型窗口增长为三次函数W(t)C⋅(t−K)3WmaxW(t) C \cdot (t - K)^3 W_{\text{max}}W(t)C⋅(t−K)3Wmax以丢包事件为拥塞信号。数学工具无控制论框架。Reno理论类型丢包事件驱动的线性启发式核心模型AIMD——加性增每 RTT (1)、乘性减丢包时减半。唯一信号为丢包事件。数学工具无数学模型。汇总算法理论类型KCC控制论 排队论 流体动力学BBR基于测量的启发式COPA凸优化 / 马尔可夫决策PCC无模型在线学习DCTCPECN 比例反馈控制CTCP双组件混合启发式CUBIC丢包事件驱动的非线性启发式Reno丢包事件驱动的线性启发式
拥塞控制算法的理论类型
拥塞控制算法的理论类型KCC理论类型控制论 排队论 流体动力学核心模型将数据包序列视为连续流体瓶颈队列服从流体动力学方程dqdtr(t)−C\frac{dq}{dt} r(t) - Cdtdqr(t)−C控制目标是调节发送速率 (r(t))使排队延迟 (T_{\text{queue}} q/C) 保持在目标范围内。离散时间下的 Lindley 递归qk1max(0,qkwk⋅MSS−C⋅Tprop)q_{k1} \max(0, q_k w_k \cdot \text{MSS} - C \cdot T_{\text{prop}})qk1max(0,qkwk⋅MSS−C⋅Tprop)数学工具Lindley 递归排队论、卡尔曼滤波状态估计、ISS/Lyapunov 稳定性分析控制论。BBR理论类型基于测量的启发式核心模型显式测量带宽 (BW) 和最小 RTT(RTprop)计算管道容量BDPBW×RTpropBDP BW \times RTpropBDPBW×RTprop控制律为增益调度(g \in {1.25, 0.75, 1.0})。数学工具滑动窗口最大/最小滤波。无控制论稳定性证明。COPA理论类型凸优化 / 马尔可夫决策核心模型目标速率r∗1δ⋅dqr^* \frac{1}{\delta \cdot d_q}r∗δ⋅dq1其中 (d_q) 为排队延迟。在马尔可夫包到达模型下优化吞吐量与延迟的加权函数。数学工具马尔可夫链、凸优化收敛性分析。PCC理论类型无模型在线学习核心模型通过 Monitor Interval 实验测量不同速率下的实际性能吞吐量、延迟、丢包用梯度上升优化效用函数。不假设网络结构。数学工具在线凸优化、梯度上升。DCTCP理论类型ECN 比例反馈控制核心模型交换机 ECN 标记比例 (\alpha) 作为拥塞信号窗口 reduction (\alpha/2)。队列目标为稳定在标记阈值附近。数学工具线性比例控制。依赖硬件 ECN 支持。CTCP理论类型双组件混合启发式核心模型丢包组件Reno AIMD 延迟组件排队延迟小则额外增窗两窗口求和。延迟组件为启发式规则。数学工具无形式化数学模型。CUBIC理论类型丢包事件驱动的非线性启发式核心模型窗口增长为三次函数W(t)C⋅(t−K)3WmaxW(t) C \cdot (t - K)^3 W_{\text{max}}W(t)C⋅(t−K)3Wmax以丢包事件为拥塞信号。数学工具无控制论框架。Reno理论类型丢包事件驱动的线性启发式核心模型AIMD——加性增每 RTT (1)、乘性减丢包时减半。唯一信号为丢包事件。数学工具无数学模型。汇总算法理论类型KCC控制论 排队论 流体动力学BBR基于测量的启发式COPA凸优化 / 马尔可夫决策PCC无模型在线学习DCTCPECN 比例反馈控制CTCP双组件混合启发式CUBIC丢包事件驱动的非线性启发式Reno丢包事件驱动的线性启发式
