拥塞控制算法的理论类型

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：

dqdt=r(t)−C\frac{dq}{dt} = r(t) - Cdtdq=r(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：

qk+1=max⁡(0,qk+wk⋅MSS−C⋅Tprop)q_{k+1} = \max(0, q_k + w_k \cdot \text{MSS} - C \cdot T_{\text{prop}})qk+1=max(0,qk+wk⋅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）。

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：

BDP=BW×RTpropBDP = BW \times RTpropBDP=BW×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。

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。

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。

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。

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。

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)3+WmaxW(t) = C \cdot (t - K)^3 + W_{\text{max}}W(t)=C⋅(t−K)3+Wmax

以丢包事件为拥塞信号。

数学工具：无控制论框架。

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。