彭玉艷，杜文才，任 佳

（海南大學(xué) 信息科學(xué)技術(shù)學(xué)院，海南 ?？?70228）

0 引 言

在無(wú)線Ad Hoc網(wǎng)絡(luò)中，由于資源的限制，數(shù)據(jù)包經(jīng)常會(huì)在任意的轉(zhuǎn)發(fā)節(jié)點(diǎn)出現(xiàn)擁塞。擁塞會(huì)導(dǎo)致高丟包率、長(zhǎng)延時(shí)，浪費(fèi)網(wǎng)絡(luò)可用資源［1］。TCP 協(xié)議中的擁塞控制算法有效地避免了網(wǎng)絡(luò)擁塞崩潰，但是TCP擁塞控制策略趨于保守，限制了網(wǎng)絡(luò)的吞吐量［2］，針對(duì)這個(gè)問(wèn)題，研究者提出多種改進(jìn)的擁塞控制協(xié)議，其中有TCP NewReno［3］、TCP SACK［4］、TCP Vegas［5－6］等。TCP NewReno 和TCP SACK 協(xié)議通過(guò)發(fā)送節(jié)點(diǎn)接收到的ACK 確認(rèn)包來(lái)判斷網(wǎng)絡(luò)狀態(tài)。但在Ad Hoc網(wǎng)絡(luò)中，可能由于鏈路問(wèn)題發(fā)生丟包使網(wǎng)絡(luò)不能及時(shí)接收到應(yīng)答，因此，這些協(xié)議不能準(zhǔn)確判斷Ad Hoc網(wǎng)絡(luò)擁塞狀態(tài)。TCP Vegas協(xié)議通過(guò)觀測(cè)往返時(shí)延比較實(shí)際吞吐量與期望吞吐量的差值，以判斷網(wǎng)絡(luò)狀態(tài)［5，6］，更適合于無(wú)線Ad Hoc網(wǎng)絡(luò)。近年來(lái)，一些學(xué)者針對(duì)Ad Hoc網(wǎng)絡(luò)提出了IEDCA［7］、CL－QF［8］、CCOC［9］等跨層擁塞控制方法，但這些算法需要增加更多的專用接口，設(shè)計(jì)難度較大，擴(kuò)展性較差。而貝葉斯網(wǎng)絡(luò)采用有向圖來(lái)描述概率關(guān)系的理論［10］，在解決許多實(shí)際問(wèn)題的過(guò)程中，貝葉斯網(wǎng)絡(luò)可以從不完全的、不精確的或不確定的知識(shí)和信息中做出推理和判斷，具有很強(qiáng)的魯棒性和通用性［10，11］。由于無(wú)線Ad Hoc網(wǎng)絡(luò)獲得的數(shù)據(jù)并不十分精確，有學(xué)者提出使用貝葉斯網(wǎng)絡(luò)擁塞識(shí)別方法進(jìn)行擁塞控制［12，13］，并已驗(yàn)證該方法能夠判斷網(wǎng)絡(luò)的擁塞。但是，現(xiàn)有的方法并沒(méi)有考慮到所獲得參數(shù)具有很多種數(shù)值狀態(tài)，如果直接使用這樣的數(shù)據(jù)構(gòu)建貝葉斯網(wǎng)絡(luò)具有很大的難度，而使用簡(jiǎn)單分類的數(shù)據(jù)進(jìn)行推理又不能夠利用網(wǎng)絡(luò)實(shí)時(shí)數(shù)據(jù)的微小差別提前預(yù)測(cè)，避免網(wǎng)絡(luò)發(fā)生擁塞。

因此，本文針對(duì)使用TCP Vegas協(xié)議的Ad Hoc網(wǎng)絡(luò)進(jìn)行分析，提出了基于概率預(yù)測(cè)的擁塞控制算法 （PPCC）。該算法首先利用模糊方法處理數(shù)據(jù)，然后，根據(jù)處理后的數(shù)據(jù)構(gòu)建貝葉斯網(wǎng)絡(luò)。為了更好地利用網(wǎng)絡(luò)實(shí)時(shí)參數(shù)的微小差別來(lái)預(yù)測(cè)網(wǎng)絡(luò)擁塞狀態(tài)概率，本文改進(jìn)了貝葉斯網(wǎng)絡(luò)的推理過(guò)程。最后根據(jù)預(yù)測(cè)概率調(diào)整網(wǎng)絡(luò)參數(shù)，達(dá)到擁塞控制的目的。

1 問(wèn)題分析

在無(wú)線Ad Hoc網(wǎng)絡(luò)中，當(dāng)?shù)竭_(dá)某一節(jié)點(diǎn)的數(shù)據(jù)包總量大于它的緩存空間時(shí)，節(jié)點(diǎn)就會(huì)出現(xiàn)擁塞，然后開(kāi)始丟包［14］。TCP擁塞控制協(xié)議通過(guò)重傳可以避免數(shù)據(jù)包丟失，但是會(huì)增加數(shù)據(jù)包的延時(shí)，造成網(wǎng)絡(luò)資源浪費(fèi)和降低網(wǎng)絡(luò)服務(wù)質(zhì)量。為了提高網(wǎng)絡(luò)服務(wù)質(zhì)量，需要提前檢測(cè)網(wǎng)絡(luò)狀態(tài)，避免網(wǎng)絡(luò)由于負(fù)載過(guò)重產(chǎn)生擁塞。目前，研究者提出很多檢測(cè)網(wǎng)絡(luò)擁塞狀態(tài)的指標(biāo)，如平均隊(duì)列長(zhǎng)度、數(shù)據(jù)包延時(shí)、剩余緩存空間等［14］。但是，單獨(dú)使用某一指標(biāo)不能準(zhǔn)確判斷網(wǎng)絡(luò)擁塞狀態(tài)，同時(shí)，考慮到某一刻的參數(shù)具有多種誤差對(duì)網(wǎng)絡(luò)狀態(tài)有很大影響。因此，本文使用指定時(shí)間段的多個(gè)指標(biāo)構(gòu)建貝葉斯網(wǎng)絡(luò)找出它們之間的關(guān)系，用于預(yù)測(cè)出網(wǎng)絡(luò)擁塞狀態(tài)。

通過(guò)對(duì)無(wú)線Ad Hoc網(wǎng)絡(luò)進(jìn)行分析發(fā)現(xiàn)網(wǎng)絡(luò)的擁塞狀態(tài)與平均延時(shí)、抖動(dòng)、平均吞吐量和平均隊(duì)列長(zhǎng)度有關(guān)，所以可用平均延時(shí)和抖動(dòng)表示當(dāng)前網(wǎng)絡(luò)的運(yùn)行狀態(tài)，用平均吞吐量表示網(wǎng)絡(luò)資源的利用情況，用平均隊(duì)列長(zhǎng)度表示網(wǎng)絡(luò)緩存中的數(shù)據(jù)量。因此，使用這些參數(shù)構(gòu)建貝葉斯網(wǎng)絡(luò)。

本文使用的參數(shù)定義如下：

平均時(shí)延：在定義時(shí)間段內(nèi)，統(tǒng)計(jì)目的節(jié)點(diǎn)接收到的所有數(shù)據(jù)包時(shí)延的平均值。其中，本文使用的數(shù)據(jù)包時(shí)延定義為源節(jié)點(diǎn)發(fā)送出一個(gè)數(shù)據(jù)包到目的節(jié)點(diǎn)接收到該數(shù)據(jù)包之間的時(shí)間差，記為x1；抖動(dòng)：在定義時(shí)間段內(nèi)，數(shù)據(jù)包時(shí)延最大值減去平均時(shí)延與平均時(shí)延減去時(shí)延最小值的較大值，記為x2；平均吞吐量：在定義時(shí)間段內(nèi)，目的節(jié)點(diǎn)接收到的數(shù)據(jù)量除以該時(shí)間段的時(shí)間，記為x3；平均隊(duì)列長(zhǎng)度：在定義時(shí)間段內(nèi)，每一次發(fā)送、接收或丟失數(shù)據(jù)包時(shí)，都統(tǒng)計(jì)沒(méi)有被發(fā)送節(jié)點(diǎn)接收的數(shù)據(jù)包的數(shù)量，最后將所有的數(shù)據(jù)包數(shù)相加除以統(tǒng)計(jì)次數(shù)，記為x4。

2 概率預(yù)測(cè)擁塞控制算法

PPCC算法是基于貝葉斯網(wǎng)絡(luò)的概率預(yù)測(cè)模型算法。該算法需要利用網(wǎng)絡(luò)參數(shù)構(gòu)建貝葉斯網(wǎng)絡(luò)的概率預(yù)測(cè)模型以用于對(duì)網(wǎng)絡(luò)的實(shí)時(shí)參數(shù)進(jìn)行推理預(yù)測(cè)來(lái)調(diào)整網(wǎng)絡(luò)參數(shù)。該算法過(guò)程如圖1所示。

圖1 PPCC算法過(guò)程

其中，PPCC算法由3個(gè)部分構(gòu)成：第1部分通過(guò)對(duì)已有網(wǎng)絡(luò)參數(shù)進(jìn)行處理和學(xué)習(xí)，構(gòu)建貝葉斯網(wǎng)絡(luò)；第2部分通過(guò)對(duì)實(shí)時(shí)網(wǎng)絡(luò)參數(shù)進(jìn)行處理，然后使用改進(jìn)的貝葉斯網(wǎng)絡(luò)推理方法來(lái)預(yù)測(cè)網(wǎng)絡(luò)的實(shí)時(shí)擁塞狀態(tài)；第3部分根據(jù)預(yù)測(cè)得到的網(wǎng)絡(luò)擁塞狀態(tài)，調(diào)整實(shí)時(shí)運(yùn)行網(wǎng)絡(luò)的參數(shù)，緩解網(wǎng)絡(luò)擁塞。下面將詳細(xì)介紹PPCC算法的實(shí)現(xiàn)過(guò)程。

2.1 貝葉斯網(wǎng)絡(luò)的構(gòu)建

貝葉斯網(wǎng)絡(luò)是由節(jié)點(diǎn)和數(shù)條有向邊組成的帶有概率注釋的無(wú)環(huán)圖。雖然通過(guò)問(wèn)題分析可以得到構(gòu)建貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)，但是，不能直接使用這些參數(shù)來(lái)構(gòu)建貝葉斯網(wǎng)絡(luò)。因此，需要首先對(duì)數(shù)據(jù)進(jìn)行處理；對(duì)處理后的數(shù)據(jù)進(jìn)行學(xué)習(xí)，才能得到貝葉斯網(wǎng)絡(luò)。

（1）數(shù)據(jù)處理

由于網(wǎng)絡(luò)運(yùn)行獲得的數(shù)據(jù)有太多種數(shù)值狀態(tài)，使用這樣的數(shù)據(jù)構(gòu)建貝葉斯網(wǎng)絡(luò)具有一定的難度，所以，使用三角模糊化隸屬函數(shù)對(duì)數(shù)據(jù)進(jìn)行了模糊化處理，公式如下

式中：a，b，c——常數(shù)，通常根據(jù)實(shí)踐經(jīng)驗(yàn)進(jìn)行指派。

對(duì)以上4個(gè)參數(shù)分別指定模糊區(qū)間進(jìn)行三角模糊化處理，求得其隸屬度，記為d（xij）。d（xij）表示參數(shù)xj為狀態(tài)i的隸屬度，其中xij表示參數(shù)xj為狀態(tài)i。使用隸屬度最大的狀態(tài)ij為參數(shù)xj的狀態(tài)，這樣就獲得了貝葉斯網(wǎng)絡(luò)的輸入?yún)?shù)（i1，i2，…，im）（其中，m＝4），將所有已知的參數(shù)進(jìn)行處理后就可以得到輸入矩陣Im。

（2）貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)的學(xué)習(xí)

通過(guò)對(duì)已有網(wǎng)絡(luò)參數(shù)進(jìn)行處理獲得構(gòu)建貝葉斯網(wǎng)絡(luò)的輸入矩陣Im，就可以使用已有成熟貝葉斯網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)構(gòu)建貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)的構(gòu)建過(guò)程為：使用K2算法獲得貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)；使用最大似然估計(jì)算法進(jìn)行參數(shù)學(xué)習(xí)，獲得貝葉斯網(wǎng)絡(luò)。由于K2算法和最大似然估計(jì)算法是貝葉斯網(wǎng)絡(luò)中大家比較熟悉和常用的算法，具體的過(guò)程可見(jiàn)文獻(xiàn) ［13，14］。

2.2 概率預(yù)測(cè)模型的構(gòu)建

文獻(xiàn) ［1］提出使用估計(jì)隊(duì)列長(zhǎng)度來(lái)識(shí)別網(wǎng)絡(luò)的擁塞等級(jí)，以為網(wǎng)絡(luò)的平均隊(duì)列長(zhǎng)度能夠表示網(wǎng)絡(luò)的擁塞程度。但在實(shí)時(shí)運(yùn)行的系統(tǒng)中獲得網(wǎng)絡(luò)的平均隊(duì)列長(zhǎng)度具有一定的難度。因此，本文考慮使用貝葉斯網(wǎng)絡(luò)來(lái)推理預(yù)測(cè)網(wǎng)絡(luò)的平均隊(duì)列長(zhǎng)度。

（1）數(shù)據(jù)處理

為了更準(zhǔn)確地使用獲得的實(shí)時(shí)參數(shù)進(jìn)行推理，使用式（2）將隸屬度d（）進(jìn)行歸一化處理，得到參數(shù)xj為狀態(tài)i的概率p（）；然后，使用所得到的概率值進(jìn)行推理對(duì)參數(shù)進(jìn)行模糊處理后，可以獲得已知所有參數(shù)分別屬于某個(gè)狀態(tài)的概率為

式中：p（xi11，xi22，…，xinn）——對(duì)于所有的j∈｛1，2，…，n｝，參數(shù)xj——狀態(tài)ij時(shí)的概率。

（2）貝葉斯網(wǎng)絡(luò)推理的改進(jìn)

貝葉斯網(wǎng)絡(luò)推理是在給定貝葉斯網(wǎng)絡(luò)模型的條件下，根據(jù)已知參數(shù)，利用條件概率的計(jì)算方法，計(jì)算出感興趣節(jié)點(diǎn)的概率。如果利用已有的貝葉斯網(wǎng)絡(luò)推理方法，只能計(jì)算出平均隊(duì)列長(zhǎng)度在雙親節(jié)點(diǎn)屬于某一狀態(tài)時(shí)的概率值，即p（yk｜i1，i2，…，in）。然而，在實(shí)時(shí)運(yùn)行的網(wǎng)絡(luò)系統(tǒng)所獲得參數(shù)可能屬于多個(gè)狀態(tài)，因此，為了更好地利用實(shí)時(shí)數(shù)據(jù)，必要對(duì)貝葉斯網(wǎng)絡(luò)推理進(jìn)行改進(jìn)。

根據(jù)構(gòu)建的貝葉斯網(wǎng)絡(luò)和式 （3）可以推導(dǎo)得出使用實(shí)時(shí)數(shù)據(jù)進(jìn)行貝葉斯網(wǎng)絡(luò)推理式 （4）

式中：y——要預(yù)測(cè)的節(jié)點(diǎn) （這里為平均隊(duì)列長(zhǎng)度，即x4），x1，x2，…，xn——y 的雙親節(jié)點(diǎn)的值。

例如：已知y 的雙親節(jié)點(diǎn)x1，x2且均有2 種狀態(tài) （1，2），根據(jù)式 （4）可以求得y 為狀態(tài)1的概率計(jì)算公式如式（5）。

根據(jù)上一部分構(gòu)建的網(wǎng)絡(luò)可以得到p（yk｜i1，i2，…，in），同時(shí)使用式 （2）獲得實(shí)時(shí)數(shù)據(jù)屬于每個(gè)狀態(tài)的概率p（xij）；然后，使用式 （4）就可以計(jì)算得到Ad Hoc網(wǎng)絡(luò)在實(shí)時(shí)數(shù)據(jù)情況下平均隊(duì)列長(zhǎng)度分別屬于各種狀態(tài)的概率值。

2.3 擁塞控制算法的實(shí)現(xiàn)

擁塞控制的主要目的就是最好地利用網(wǎng)絡(luò)中的可用資源，同時(shí)，保持網(wǎng)絡(luò)的負(fù)載量低于且盡可能接近網(wǎng)絡(luò)可以承受容量的限度。本文通過(guò)對(duì)使用CBR 流量發(fā)生器的發(fā)送速率進(jìn)行調(diào)整，使得網(wǎng)絡(luò)負(fù)載量滿足擁塞控制的目的。根據(jù)網(wǎng)絡(luò)運(yùn)行獲取的實(shí)時(shí)數(shù)據(jù)使用上一部分構(gòu)建的概率預(yù)測(cè)模型來(lái)預(yù)測(cè)網(wǎng)絡(luò)中平均隊(duì)列長(zhǎng)度所屬狀態(tài)概率；根據(jù)預(yù)測(cè)結(jié)果實(shí)時(shí)調(diào)整網(wǎng)絡(luò)的發(fā)送速率，緩解網(wǎng)絡(luò)擁塞。調(diào)整實(shí)時(shí)網(wǎng)絡(luò)參數(shù)的擁塞控制算法實(shí)現(xiàn)偽代碼如圖2所示。

圖2 基于概率預(yù)測(cè)模型的擁塞控制算法偽代碼

其中：vmax為最大發(fā)送速率；vmin為最小發(fā)送速率；Δv為調(diào)整步長(zhǎng)；p30為當(dāng)前時(shí)段平均隊(duì)列長(zhǎng)度為狀態(tài)3的概率；p3i為前i時(shí)段平均隊(duì)列長(zhǎng)度為狀態(tài)3的概率 （i＝1，2，…，5）；count為調(diào)整階段用來(lái)判斷網(wǎng)絡(luò)是否進(jìn)入穩(wěn)定狀態(tài)的指標(biāo)；vnext為下一時(shí)段網(wǎng)絡(luò)的發(fā)送速率；vcurrent為當(dāng)前時(shí)段網(wǎng)絡(luò)的發(fā)送速率；vpast為前一時(shí)段網(wǎng)絡(luò)的發(fā)送速率。

參數(shù)調(diào)整算法分為了調(diào)整和穩(wěn)定2個(gè)階段，這2個(gè)階段是不可逆的。在調(diào)整階段，根據(jù)網(wǎng)絡(luò)平均隊(duì)列長(zhǎng)度為3的概率，依據(jù)條件調(diào)整網(wǎng)絡(luò)的發(fā)送速率和相關(guān)參數(shù)，同時(shí)保證網(wǎng)絡(luò)的發(fā)送速率在最小發(fā)送速率與最大發(fā)送速率之間；而調(diào)整步長(zhǎng)的變化使得網(wǎng)絡(luò)可以在一定時(shí)間獲得較優(yōu)發(fā)送速率，進(jìn)入穩(wěn)定階段。在穩(wěn)定階段，網(wǎng)絡(luò)根據(jù)6 個(gè)時(shí)段網(wǎng)絡(luò)平均隊(duì)列長(zhǎng)度為3的概率，判斷是否將要發(fā)生擁塞來(lái)調(diào)整發(fā)送速率。為了確保服務(wù)質(zhì)量，調(diào)整步長(zhǎng)不宜過(guò)大，以避免網(wǎng)絡(luò)發(fā)送速率大幅度變化引起網(wǎng)絡(luò)振蕩，降低服務(wù)質(zhì)量。

3 實(shí)驗(yàn)仿真

本文使用NS2.35 軟件進(jìn)行實(shí)驗(yàn)仿真。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為3個(gè)節(jié)點(diǎn)的線性結(jié)構(gòu)。其中，節(jié)點(diǎn)1 為發(fā)送節(jié)點(diǎn)，節(jié)點(diǎn)2為轉(zhuǎn)發(fā)節(jié)點(diǎn)，節(jié)點(diǎn)3 為接收節(jié)點(diǎn)。同時(shí)，網(wǎng)絡(luò)的發(fā)送范圍半徑為250 m，干擾范圍半徑為550 m，網(wǎng)絡(luò)可用帶寬為1 Mb。在進(jìn)行仿真時(shí)，路由層使用AODV路由協(xié)議，傳輸層使用TCP Vegas協(xié)議。設(shè)定獲取數(shù)據(jù)的 時(shí) 間 段 為1s，將x1，x2，x3模 糊 化 為2 類，x4模 糊 化為3類。使用模糊化的數(shù)據(jù)構(gòu)建貝葉斯網(wǎng)絡(luò)，得到如圖3所示的網(wǎng)絡(luò)結(jié)構(gòu)。

圖3 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

為了驗(yàn)證PPCC 算法，設(shè)定最大發(fā)送速率vmax為400 KB／s，最小發(fā)送速率vmin為200KB／s，調(diào)整步長(zhǎng)初始值Δv為20KB／s。分別針對(duì)網(wǎng)絡(luò)初始發(fā)送速率為200KB／s，337 KB／s和400KB／s進(jìn)行仿真。其中，337KB／s是經(jīng)過(guò)多次仿真實(shí)驗(yàn)獲得此網(wǎng)絡(luò)結(jié)構(gòu)下的較優(yōu)發(fā)送速率。在仿真過(guò)程所有時(shí)段中，根據(jù)概率預(yù)測(cè)模型計(jì)算得到實(shí)時(shí)運(yùn)行網(wǎng)絡(luò)中平均隊(duì)列長(zhǎng)度為狀態(tài)3的概率，結(jié)果如圖4所示。

圖4 預(yù)測(cè)網(wǎng)絡(luò)出現(xiàn)狀態(tài)3的概率變化情況

圖5 發(fā)送速率變化情況

根據(jù)每個(gè)時(shí)段預(yù)測(cè)網(wǎng)絡(luò)狀態(tài)3 的概率對(duì)網(wǎng)絡(luò)的發(fā)送速率進(jìn)行調(diào)整，得到發(fā)送速率變化情況 （如圖5所示）。

圖5顯示發(fā)送速率在開(kāi)始調(diào)整時(shí)出現(xiàn)阻尼振蕩的狀況，但是經(jīng)調(diào)整很快就獲得了相對(duì)較優(yōu)的發(fā)送速率后進(jìn)入穩(wěn)定狀態(tài)。

使用本文提出算法 （PPCC）調(diào)整網(wǎng)絡(luò)發(fā)送速率與未用本文算法 （PPCC－N）進(jìn)行仿真，獲得的網(wǎng)絡(luò)平均延時(shí)和平均吞吐量的變化情況如圖6、圖7所示。

根據(jù)圖6 發(fā)現(xiàn)使用PPCC 算法對(duì)發(fā)送速率進(jìn)行調(diào)整，使得網(wǎng)絡(luò)達(dá)到穩(wěn)定狀態(tài)后，平均延時(shí)處于相對(duì)較小的值；而未使用PPCC算法的情況下，當(dāng)網(wǎng)絡(luò)的負(fù)載大于其承受能力范圍時(shí)，網(wǎng)絡(luò)的平均延時(shí)會(huì)處于較大值狀態(tài)。從圖7可以看出，使用PPCC算法可以使網(wǎng)絡(luò)在達(dá)到穩(wěn)定狀態(tài)后，平均吞吐量保持相對(duì)較大的值；而對(duì)于未用PPCC 算法的情況，當(dāng)網(wǎng)絡(luò)的負(fù)載遠(yuǎn)小于其承受能力時(shí)，會(huì)使網(wǎng)絡(luò)的吞吐量較小，導(dǎo)致網(wǎng)絡(luò)資源浪費(fèi)。

圖6 平均延時(shí)變化情況

圖7 平均吞吐量變化情況

綜上所述，PPCC 算法能夠很好地利用網(wǎng)絡(luò)實(shí)時(shí)運(yùn)行中獲取的數(shù)據(jù)，準(zhǔn)確地預(yù)測(cè)網(wǎng)絡(luò)擁塞情況；能夠在一定時(shí)間內(nèi)將網(wǎng)絡(luò)調(diào)整到穩(wěn)定狀態(tài)，使網(wǎng)絡(luò)達(dá)到平均吞吐量較高、平均延時(shí)較低的理想狀態(tài)，能滿足對(duì)服務(wù)質(zhì)量要求較高的數(shù)據(jù)流，使網(wǎng)絡(luò)資源得到更好的利用。

4 結(jié)束語(yǔ)

為了更好的利用網(wǎng)絡(luò)的實(shí)時(shí)數(shù)據(jù)，對(duì)貝葉斯網(wǎng)絡(luò)的推理進(jìn)行改進(jìn)，利用預(yù)測(cè)結(jié)果使用本文提出的速率調(diào)整方法對(duì)網(wǎng)絡(luò)發(fā)送速率進(jìn)行調(diào)整，避免網(wǎng)絡(luò)由于負(fù)載過(guò)重發(fā)生擁塞的情況。仿真實(shí)驗(yàn)結(jié)果表明：PPCC算法能夠根據(jù)實(shí)時(shí)網(wǎng)絡(luò)擁塞狀況自適應(yīng)的調(diào)整網(wǎng)絡(luò)發(fā)送速率，在短時(shí)間內(nèi)使得網(wǎng)絡(luò)獲得較優(yōu)的發(fā)送速率，且保持網(wǎng)絡(luò)的平均延時(shí)較小，平均吞吐量較高，從而使網(wǎng)絡(luò)獲得較高的服務(wù)質(zhì)量。同時(shí)，PPCC算法不局限于TCP Vegas中，還可以用于使用CBR數(shù)據(jù)流的任何傳輸協(xié)議中。然而，該算法需要對(duì)數(shù)據(jù)進(jìn)行模糊化處理，不同網(wǎng)絡(luò)結(jié)構(gòu)的模糊處理區(qū)間不同對(duì)網(wǎng)絡(luò)發(fā)送速率的影響，還需要進(jìn)一步研究。

［1］Senthikumaran T，Sankaranarayanan V.Dynamic congestion detection and control routing in Ad Hoc networks［J］.Journal of King Saud University－Computer and Information Sciences，2013，25 （1）：25－34.

［2］YI Fasheng，ZHAO Jidong.Fuzzy TCP congestion control algorithm using delay ［J］.Journal of University of Electronic Science and Technology of China，2010，39 （2）：260－265 （in Chinese）.［易發(fā)勝，趙繼東.利用時(shí)延特性的模糊TCP 擁塞控制算法［J］.電子科技大學(xué)學(xué)報(bào)，2010，39 （2）：260－265.］

［3］Nadim Parvez，Anirban Mahanti，Carey Williamson.An analytic throughput model for TCP NewReno ［J］.IEEE／ACM Transactions on Networking，2010，18 （2）：448－461.

［4］Mehta RD，Vithalani CH.Distinguishing congestion loss from random loss on wireless erroneous links to improve performance of wireless TCP－SACK ［C］／／International Conference on Communication Systems and Network Technologies，2012：383－387.

［5］Neda Alipasandi，Shahram Jamali.An improvement over TCP Vegas by solving rerouting problem ［C］／／AWERProcedia Information Technology ＆Computer Science，2011：82－86.

［6］Shubhada P Deshmukh，Sanjesh S Pawale.TCP Vegas rerouting detection and improving performance ［J］.International Journal of Wired and Wireless Communications，2012，1 （1）：11－14.

［7］Mbarushimana C.A cross－layer TCP enhancement in QoS－aware mobile Ad Hoc networks ［J］.Computer Networks，2013，57 （1）：286－301.

［8］Evangelos Papapetrou，Panos Vassiliadis，Efthymia Rova，et al.Cross－layer routing for peer database querying over mobile Ad Hoc networks［J］.Computer Networks，2012，56 （2）：504－520.

［9］XU Weiqiang，WANG Yaming，YU Chenghai，et al.Crosslayer optimal congestion control scheme in mobile Ad Hoc networks［J］.Journal of Software，2010，21 （7）：1667－1678（in Chinese）.［徐偉強(qiáng)，汪亞明，俞成海，等.移動(dòng)Ad Hoc網(wǎng)絡(luò)的跨層優(yōu)化擁塞控制 ［J］.軟件學(xué)報(bào)，2010，21 （7）：1667－1678.］

［10］XIAO Qinkun，GAO Song.Application of Bayesian network in intelligent information processing ［M］.Beijng：National Defence Industry Press，2012 （in Chinese）.［肖秦琨，高嵩.貝葉斯網(wǎng)絡(luò)在智能信息處理中的應(yīng)用 ［M］.北京：國(guó)防工業(yè)出版社，2012.］

［11］Dojer N，Bednarz P，Podsiadlo A，et al.BNFinder2：Faster Bayesian network learning and Bayesian classification ［J］.Bioinformatics，2013，29 （16）：2068－2070.

［12］Ersyhad Sharifahmadian，Shahram Latifi.Cognitive congestion control for data portals with variable link capacity ［J］.Int Jouranl Communications Network and System Sciences，2012，5 （8）：481－489.

［13］Giorgio Quer，Henmanth Meenakshisundaram，Bheemarjuna R Tamma，et al.Using Bayesian networks for congnitive control of multi－h(huán)op wireless networks［C］／／Military Communications Conference，2010：201－206.

［14］Senthil Kumaran T，Sankaranarayanan V.Early congestion detection and adaptive routing in MANET ［J］.Egyptian Informatics Journal，2011，12 （3）：165－175.