擁塞控制TCP(Transport Congestion Protocol)[1]協(xié)議根據(jù)不同的環(huán)境狀態(tài)改變cwnd（congestion window）值,，以適應(yīng)網(wǎng)絡(luò)。現(xiàn)有TCP協(xié)議雖應(yīng)用廣泛,，但對(duì)于復(fù)雜無(wú)線網(wǎng)絡(luò)應(yīng)用,，如：基于多跳無(wú)線Ad Hoc網(wǎng)絡(luò)的多路數(shù)據(jù)流傳輸?shù)龋湓趽砣袛嗪蜎Q策處理上,，易使網(wǎng)絡(luò)出現(xiàn)傳播延遲過(guò)大,、帶寬利用率低、競(jìng)爭(zhēng)擁塞等情況[2],，其主要原因在于擁塞判斷方式單一,、cwnd變化方式不合理等。參考文獻(xiàn)[3]證明雖然TCP協(xié)議會(huì)造成一定的競(jìng)爭(zhēng)擁塞,，但MAC層的二進(jìn)制指數(shù)回退機(jī)制造成的競(jìng)爭(zhēng)擁塞更為嚴(yán)重,。
    針對(duì)以上問(wèn)題，參考文獻(xiàn)[4]對(duì)往返時(shí)延進(jìn)行壓擴(kuò)，動(dòng)態(tài)改變加性因子大小,。參考文獻(xiàn)[5]根據(jù)前向鏈路的轉(zhuǎn)發(fā)跳數(shù)對(duì)TCP擁塞窗口增長(zhǎng)速率進(jìn)行控制,。參考文獻(xiàn)[6]采用一種類(lèi)似學(xué)習(xí)的TCP思想，對(duì)網(wǎng)絡(luò)狀態(tài)進(jìn)行學(xué)習(xí),，反饋動(dòng)作作用后,，智能地選擇加性因子大小。參考文獻(xiàn)[4-6]都忽略了擁塞控制協(xié)議中,，乘性因子對(duì)網(wǎng)絡(luò)擁塞產(chǎn)生的影響,。參考文獻(xiàn)[7]在高速網(wǎng)絡(luò)應(yīng)用下給出了一種學(xué)習(xí)擁塞控制算法，有效提升TCP協(xié)議在快速網(wǎng)絡(luò)下的性能,，但須對(duì)接收端,、發(fā)送端以及路由都進(jìn)行改進(jìn)，實(shí)施性不強(qiáng),。本文提出一種基于Ad Hoc網(wǎng)絡(luò)的cwnd和CW(Collision Window)因子動(dòng)態(tài)學(xué)習(xí)算法-RFTCP,。通過(guò)對(duì)網(wǎng)絡(luò)帶寬表征量的進(jìn)一步學(xué)習(xí)、探索和利用,動(dòng)態(tài)設(shè)計(jì)cwnd和CW值變化方式,最終提高網(wǎng)絡(luò)整體性能,。
1 RFTCP設(shè)計(jì)
    RFTCP算法整體思想框圖如圖1所示,，算法主要對(duì)TCP層擁塞控制的加性和乘性因子以及MAC層的CW因子進(jìn)行動(dòng)態(tài)變化。

1.1 加性因子策略
    在無(wú)線Ad Hoc網(wǎng)絡(luò)中,，RTT值動(dòng)態(tài)變化特性大,，且與網(wǎng)絡(luò)負(fù)荷成正相關(guān)。RTT增大時(shí),，AI協(xié)議應(yīng)采取更為有效的措施,，既提升網(wǎng)絡(luò)帶寬利用率，又盡量避免擁塞,?；诖耍疚脑贏I階段進(jìn)一步分析RTT,，動(dòng)態(tài)決定加性因子大小。
  
1.2 乘性因子策略
    針對(duì)MD協(xié)議僅依靠重復(fù)ACK判斷擁塞,且減半cwnd值不能更好地反應(yīng)網(wǎng)絡(luò)帶寬的問(wèn)題,。本文將MD階段視為一個(gè)有限狀態(tài)的離散馬爾科夫決策過(guò)程(Markov Decision Processes),利用強(qiáng)化學(xué)習(xí)策略,，對(duì)無(wú)線信道帶寬特性進(jìn)一步學(xué)習(xí)，動(dòng)態(tài)改變cwnd乘性因子,，從而充分利用帶寬,、提高網(wǎng)絡(luò)總體性能。

式(7)中,，sumcn代表網(wǎng)絡(luò)中此時(shí)競(jìng)爭(zhēng)擁塞節(jié)點(diǎn)數(shù)據(jù)流的總數(shù),，MTUTCP指TCP層的最大傳輸數(shù)據(jù)單元，SlotTime代表一個(gè)單位回退時(shí)間間隔。
2 算法實(shí)現(xiàn)
    根據(jù)上述分析,，基于Ad Hoc網(wǎng)絡(luò)的TCP增強(qiáng)算法RFTCP如算法1所示,。
    算法1 RFTCP工作機(jī)制

3.2 多跳鏈?zhǔn)骄W(wǎng)絡(luò)下RFTCP性能分析
    場(chǎng)景二為鏈?zhǔn)絺鬏斁W(wǎng)絡(luò)，運(yùn)動(dòng)過(guò)程中節(jié)點(diǎn)分布如圖5所示,，節(jié)點(diǎn)間傳輸距離為150 m,，運(yùn)動(dòng)過(guò)程中各節(jié)點(diǎn)依次按n5移動(dòng)路徑運(yùn)動(dòng)并保持鏈?zhǔn)疥?duì)形,場(chǎng)景大小為1 500 m×1 500 m。

3.3 多跳鏈?zhǔn)骄W(wǎng)絡(luò)下多路數(shù)據(jù)流公平性分析
    場(chǎng)景三對(duì)改進(jìn)協(xié)議RFTCP在多路數(shù)據(jù)流通信中的競(jìng)爭(zhēng)性進(jìn)行分析,。在仿真開(kāi)始10 s建立TCP流1,，在[10，20] s內(nèi)的隨機(jī)時(shí)刻建立TCP數(shù)據(jù)流2,。圖7表示RFTCP與Newreno數(shù)據(jù)流之間的友好性,。仿真結(jié)果表明，改進(jìn)協(xié)議流能夠與現(xiàn)有TCP協(xié)議流友好共存而避免單方面爭(zhēng)用信道資源,。圖8表示在無(wú)線多跳網(wǎng)絡(luò)中建立兩路同種TCP數(shù)據(jù)流,，利用式(8)[10]所述的Jain’s公平性索引，衡量協(xié)議公平性,。其中,，n代表數(shù)據(jù)流個(gè)數(shù)，ri代表第i個(gè)數(shù)據(jù)流的帶寬,。RFTCP的公平百分比能達(dá)到99.25%,，比Newreno提升10%左右。
  

    隨著Ad Hoc網(wǎng)絡(luò)應(yīng)用的日益發(fā)展,，現(xiàn)有TCP協(xié)議不能滿(mǎn)足其復(fù)雜性,、動(dòng)態(tài)性的需求。本文提出一種cwnd自適應(yīng)動(dòng)態(tài)變化算法RFTCP,，并結(jié)合網(wǎng)絡(luò)吞吐量跨層調(diào)整CW因子,，通過(guò)與現(xiàn)有版本TCP-Newreno在三種傳輸模型上進(jìn)行多次仿真比較。結(jié)果表明,，改進(jìn)協(xié)議RFTCP在傳播延遲,、吞吐量、公平性等方面都明顯優(yōu)于Newreno,。
參考文獻(xiàn)
[1] ABED G A, ISMAIL M, JUMARI K. Exploration and evaluation of traditional TCP congestion control techniques[J]. Computer and Information Sciences, 2012(24):145-155.
[2] HIROKI N Y, ABSARI N, KATO N. Wireless loss-tolerant congestion control protocol based on dynamic AIMD theory[J]. IEEE Wireless Communications, April 2010(10):7-14.
[3] HOBLOS J. Improving throughput and fairness in multihop wireless mesh networks using adaptive contention window algorithm(ACWA)[C]. 2011 7th International Conference on Wireless Communications, Networking and Mobile Computing (WiCOM), 2011.
[4] 劉俊.擁塞窗口自適應(yīng)的TCP擁塞避免算法[J].計(jì)算機(jī)應(yīng)用,，2011，31(6):1472-1475.
[5] 宋軍,李浩,李媛源,等. Ad Hoc中的TCP改進(jìn)方案-Adaptive ADTCP[J].計(jì)算機(jī)應(yīng)用,，2010,，30(7)：1750-1756.
[6] BADARLA V, SIVA C, MURTHY R. Learning-TCP: a stochastic approach for efficient update in TCP congestion Window in Ad Hoc wireless networks[J]. J. Parallel Distrib.Compute, 2011(71):863-878.
[7] LESTAS M, PITSILLIDES A, IOANNOU P, et al. Adaptive congestion protocol: a congestion control protocol with learning capability[J].Computer Network, 2007(51):3773-3798.
[8] MITCHELL T M. Machine learning[M]. Bejing, China:Machine Press, 2004:263-280.
[9] PADHYE J, FIROIU V, TOWSLEY D, et al. Modeling TCP reno performance: a simple model and its empirical validation[J]. IEEE/ACM Transaction on Networking, 2000,2(8):133-145.
[10] HUAIZHOU S, VENKATESHA R, ERTAN P,et al. Fairness in wireless networks:issues,measures and challenges[J]. IEEE Communications Surveys & Tutorials,2013(13):1-20.