摘" 要： 隨著信息化時(shí)代的蓬勃發(fā)展，信息傳輸已經(jīng)滲透到了日常生活和商業(yè)活動(dòng)的方方面面，成為不可或缺的一部分。然而，這種信息傳輸?shù)拇笠?guī)模增長(zhǎng)也帶來(lái)了一系列問(wèn)題，其中包括網(wǎng)絡(luò)擁塞等現(xiàn)象變得愈加普遍。在應(yīng)對(duì)網(wǎng)絡(luò)擁塞問(wèn)題時(shí)，主動(dòng)隊(duì)列管理（AQM）算法顯得尤為重要，其中包括隨機(jī)早期檢測(cè)（RED）和自適應(yīng)平均隊(duì)列大小及其變化率（AQMRD）算法等。盡管這些算法已經(jīng)起到了一定作用，但在提升吞吐量與服務(wù)質(zhì)量方面仍有進(jìn)步的空間。針對(duì)已有算法的不足，文中提出一種基于A(yíng)QMRD的改進(jìn)算法，即Huber?AQMRD算法。該算法通過(guò)引入“Huber”損失函數(shù)，更準(zhǔn)確地評(píng)估隊(duì)列大小與期望值之間的差異，從而優(yōu)化了丟包函數(shù)的設(shè)計(jì)。通過(guò)ns3仿真實(shí)驗(yàn)驗(yàn)證，Huber?AQMRD算法在降低丟包率的同時(shí)，提高了網(wǎng)絡(luò)吞吐量和服務(wù)質(zhì)量，對(duì)于解決大規(guī)模增長(zhǎng)的信息傳輸下的網(wǎng)絡(luò)擁塞問(wèn)題，提升網(wǎng)絡(luò)性能和用戶(hù)體驗(yàn)具有重要意義。

關(guān)鍵詞： 網(wǎng)絡(luò)擁塞； 主動(dòng)隊(duì)列管理； Huber?AQMRD； ns3； 丟包率； 吞吐量

中圖分類(lèi)號(hào)： TN711?34； TP393" " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " " "文章編號(hào)： 1004?373X（2025）01?0065?06

Huber?AQMRD algorithm： Performance improvement against network congestion

CHAO Kai， KANG Baicheng， WANG Shuangquan

（School of Electronics and Information， Xi’an Polytechnic University， Xi’an 710600， China）

Abstract： With the vigorous development of the information age， information transmission has permeated every aspect of people′ daily lives and commercial activities and become an indispensable part. However， this massive growth in information transmission has also brought about a series of problems， of which the network congestion has become increasingly common. In addressing the issue of network congestion， the active queue management （AQM） algorithms play a crucial role， including the algorithm of random early detection （RED） and the algorithm of adaptive mean queue size and its rate of change： queue management with random dropping （AQMRD）. However， although these algorithms have worked to some extent， there is still room for improvement in throughput and quality of service. In view of the shortcomings of the existing algorithms， this paper proposes an improved algorithm based on AQMRD， namely the Huber?AQMRD algorithm. This algorithm assesses the differences between queue size and expected value more accurately by introducing the loss function ″Huber″， so as to optimize the design of packet dropping function. It is verified by ns3 simulation experiments that the Huber?AQMRD algorithm improves network throughput and the quality of service while reducing packet loss rate， so it holds significant importance in eliminating the network congestion under the background of massive growth of information transmission and enhancing the network performance and user experience.

Keywords： network congestion; AQM; Huber?AQMRD; ns3; packet loss rate; throughput

0" 引" 言

1986年第一次出現(xiàn)了網(wǎng)絡(luò)擁塞問(wèn)題，當(dāng)時(shí)LBL和UCBeley之間通信狀況突然惡化，吞吐量[1]從32 Kb/s下降到40 b/s，在此之后，網(wǎng)絡(luò)擁塞問(wèn)題成為計(jì)算機(jī)網(wǎng)絡(luò)中一個(gè)重要的研究問(wèn)題，網(wǎng)絡(luò)擁塞是指在計(jì)算機(jī)網(wǎng)絡(luò)中，由于網(wǎng)絡(luò)上的數(shù)據(jù)傳輸量超過(guò)了網(wǎng)絡(luò)基礎(chǔ)設(shè)施的處理能力，導(dǎo)致數(shù)據(jù)傳輸受阻、延遲增加的現(xiàn)象。當(dāng)網(wǎng)絡(luò)擁塞發(fā)生時(shí)，數(shù)據(jù)包可能被延遲傳輸或丟失，從而影響用戶(hù)體驗(yàn)和網(wǎng)絡(luò)性能。這種情況通常需要采取措施來(lái)避免或緩解，以確保網(wǎng)絡(luò)的順暢運(yùn)行。

近年來(lái)，智能化網(wǎng)絡(luò)通信成為網(wǎng)絡(luò)發(fā)展的主要特點(diǎn)。與傳統(tǒng)網(wǎng)絡(luò)通信相比，智能網(wǎng)絡(luò)通信中涌現(xiàn)出了大量實(shí)時(shí)多媒體業(yè)務(wù)，包括網(wǎng)頁(yè)瀏覽、語(yǔ)音聊天和視頻會(huì)議等，為網(wǎng)絡(luò)通信帶來(lái)了龐大且多樣的數(shù)據(jù)流量[2?5]。伴隨著實(shí)時(shí)多媒體業(yè)務(wù)的增加，其網(wǎng)絡(luò)負(fù)載也在逐步上升，網(wǎng)絡(luò)轉(zhuǎn)發(fā)設(shè)備的緩沖區(qū)很容易被充斥，從而導(dǎo)致網(wǎng)絡(luò)擁塞的現(xiàn)象[6]。這一趨勢(shì)促使網(wǎng)絡(luò)通信過(guò)程中對(duì)高效網(wǎng)絡(luò)管理和適應(yīng)性機(jī)制的需求增加，從而更好地適應(yīng)不斷演變的實(shí)時(shí)多媒體業(yè)務(wù)需求[7]。在這個(gè)背景下，主動(dòng)隊(duì)列管理（AQM）算法顯得尤為關(guān)鍵，特別是在高流量應(yīng)用如YouTube、Skype和網(wǎng)絡(luò)會(huì)議等多媒體應(yīng)用中。音頻和視頻流的廣泛應(yīng)用進(jìn)一步推動(dòng)了網(wǎng)絡(luò)流量的增長(zhǎng)[8]。網(wǎng)絡(luò)擁塞在對(duì)一些數(shù)據(jù)包丟失敏感的應(yīng)用可能導(dǎo)致嚴(yán)重的影響，因此在網(wǎng)絡(luò)擁塞形成之前需要及時(shí)采取干預(yù)措施?？傮w而言，AQM算法的應(yīng)用對(duì)于確保網(wǎng)絡(luò)性能和服務(wù)質(zhì)量至關(guān)重要。

本文介紹了幾種AQM算法，如隨機(jī)早期檢測(cè)（Random Early Detection， RED）[9]、自適應(yīng)平均隊(duì)列大小及其變化率：隨機(jī)丟棄的隊(duì)列管理（Adaptive Mean Queue Size And its rate of change： Queue Management with Random Dropping， AQMRD）[10]，同時(shí)提出了一種基于A(yíng)QMRD改進(jìn)的網(wǎng)絡(luò)擁塞控制算法。其中RED算法通過(guò)使用基于平均隊(duì)列大小的丟包函數(shù)，成功地提升了吞吐量。該算法的一個(gè)可取之處是在存在隨機(jī)流量特征的情況下降低丟包率[11?13]。另一種算法是：AQMRD在RED算法的基礎(chǔ)上融合了隊(duì)列大小及其變化速率，通過(guò)觀(guān)察隊(duì)列大小的變化率及時(shí)地調(diào)整丟包函數(shù)，從而更好地描述隊(duì)列大小演變的動(dòng)態(tài)特性。

本文提出的Huber?AQMRD算法是在A(yíng)QMRD的基礎(chǔ)上引入了“Huber”損失函數(shù)，用于評(píng)估當(dāng)前隊(duì)列大小與期望隊(duì)列大小之間的差異，更準(zhǔn)確地描述了隊(duì)列之間的期望差異。該算法將計(jì)算得到的“Huber”損失函數(shù)整合到丟包函數(shù)中，以更有效地計(jì)算丟包概率，從而對(duì)即將到來(lái)的數(shù)據(jù)包進(jìn)行標(biāo)記。

1" 研究現(xiàn)狀

1.1" RED算法概述

RED算法是一種為計(jì)算機(jī)網(wǎng)絡(luò)中的擁塞控制而設(shè)計(jì)的算法，其主要目標(biāo)是通過(guò)及時(shí)丟棄部分?jǐn)?shù)據(jù)包來(lái)避免網(wǎng)絡(luò)擁塞的惡化，并確保網(wǎng)絡(luò)的性能和穩(wěn)定性[14]。RED算法的工作原理是通過(guò)監(jiān)測(cè)網(wǎng)絡(luò)設(shè)備的輸出隊(duì)列長(zhǎng)度來(lái)判斷網(wǎng)絡(luò)擁塞的程度。一旦隊(duì)列長(zhǎng)度超過(guò)預(yù)設(shè)的閾值，即意味著網(wǎng)絡(luò)可能即將發(fā)生擁塞，RED算法便開(kāi)始采取措施[15]。與傳統(tǒng)的丟包機(jī)制不同，RED算法采用隨機(jī)丟包的方式，以一定的概率丟棄部分?jǐn)?shù)據(jù)包，而不是等到隊(duì)列完全滿(mǎn)載時(shí)再開(kāi)始丟包。這樣做的目的是盡早向數(shù)據(jù)發(fā)送端發(fā)出擁塞信號(hào)，促使其減緩發(fā)送速率，從而避免網(wǎng)絡(luò)性能的急劇下降[16]。具體為：交換機(jī)或路由器的端口需要設(shè)置一個(gè)平均隊(duì)列最大閾值maxth和一個(gè)平均隊(duì)列最小閾值minth。在交換機(jī)或路由器的端口接收到新到來(lái)的數(shù)據(jù)包時(shí)，交換機(jī)或路由器需要計(jì)算當(dāng)前的平均隊(duì)列長(zhǎng)度。其計(jì)算方式為：

[avg（t+1）=（1-wq）×avg（t）+wq×q（t+1）] （1）

式中：[q（t+1）]為當(dāng)前時(shí)刻的隊(duì)列長(zhǎng)度；[wq]為計(jì)算權(quán)值，通常為0.002；平均隊(duì)列長(zhǎng)度[avg（t+1）]通過(guò)上一時(shí)刻的平均隊(duì)列長(zhǎng)度[avg（t）]和當(dāng)前隊(duì)列長(zhǎng)度[q（t+1）]加權(quán)計(jì)算得到。

丟包函數(shù)為：

[Pb=0，" " " avglt;minthmaxp×avg-minthmaxth-minth，" " " minth≤avg≤maxth1，" " " avggt;maxth] （2）

最終的數(shù)據(jù)包丟棄概率函數(shù)為：

[Pa=Pb1-count×Pb] （3）

式中：count為上一時(shí)刻丟包后進(jìn)入緩沖區(qū)的數(shù)據(jù)包個(gè)數(shù)；最終的數(shù)據(jù)包丟棄概率[Pa]由[Pb]丟包函數(shù)與count緩沖區(qū)的數(shù)據(jù)包個(gè)數(shù)計(jì)算而得。

1.2" AQMRD算法概述

AQMRD算法考慮了隊(duì)列大小的平均值及其變化率，使其更加適應(yīng)網(wǎng)絡(luò)環(huán)境的變化，并在此基礎(chǔ)上進(jìn)行動(dòng)態(tài)調(diào)整，從而提高了系統(tǒng)對(duì)于吞吐量、平均隊(duì)列大小、利用率等性能指標(biāo)的優(yōu)化效果。AQMRD引入了隊(duì)列大小變化率以及中間值的概念，首先計(jì)算了隊(duì)列大小的平均值以及隊(duì)列大小的變化率。

[avg（t+1）=（1-wq）×avg（t）+wq×q（t+1）] （4）

[davg（t+1）=（1-wq）×davg（t）+wq（q（t+1）-q（t））] （5）

式中：avg（[t]+1）為當(dāng)前時(shí)刻的隊(duì)列大小變化率；avg（[t]）為上一時(shí)刻的隊(duì)列大小變化率。當(dāng)前時(shí)刻的隊(duì)列大小變化率通過(guò)上一時(shí)刻的隊(duì)列大小變化率以及隊(duì)列長(zhǎng)度加權(quán)得到。

AQMRD算法中引入了中間值的概念，使用中間值計(jì)算丟包函數(shù)，其中中間值的計(jì)算根據(jù)隊(duì)列大小變化率分為三種情況：

[midth=midth+1，" " " " "davglt;0midth-1，" " " " "davggt;0midth，" " " " " " " davg=0] （6）

當(dāng)davggt;0時(shí)，其丟包函數(shù)為：

[Pb=0，" " minthgt;avgavg-minthmidth-minthmaxp，" " minth≤avglt;midth1，" " midth≤avg] （7）

當(dāng)davg ≤ 0時(shí)，其丟包函數(shù)為：

[Pb=0，" " minthgt;avgavg-minthmaxth-minthmaxp，" " minth≤avglt;maxth1，" " maxth≤avg] （8）

式中：minth與maxth為設(shè)定好的最小閾值與最大閾值；[maxp]為丟包概率的最大閾值，在丟包函數(shù)中，它決定著隊(duì)列丟棄的程度。

最終的數(shù)據(jù)包丟棄概率函數(shù)為：

[Pa=Pb1-count×Pb] （9）

式中：count為上一時(shí)刻丟包后進(jìn)入緩沖區(qū)的數(shù)據(jù)包個(gè)數(shù)；最終的數(shù)據(jù)包丟棄概率[Pa]由[Pb]丟包函數(shù)與count緩沖區(qū)的數(shù)據(jù)包個(gè)數(shù)計(jì)算而得。

2" Huber?AQMRD算法

2.1" Huber?AQMRD算法概述

Huber損失函數(shù)的公式為：

[Ly， fx=0.5y-fx2，" " "y-fx≤δδy-fx-0.5δ2，" " "y-fxgt;δ] （10）

式中：[y]為真實(shí)值；[f（x）]為期望值；[δ]為衡量真實(shí)值與期望值差異的參數(shù)。當(dāng)預(yù)測(cè)偏差小于[δ]時(shí)，采用平方誤差，當(dāng)預(yù)測(cè)偏差大于[δ]，采用線(xiàn)性誤差。

在Huber?AQMRD算法中通過(guò)計(jì)算平均隊(duì)列大小與瞬時(shí)隊(duì)列大小，加權(quán)得到Huber函數(shù)中的[nq（t）]值，其公式為：

[nq（t）=q（t）×i+avg（t）×（1-i）] （11）

式中[i]為權(quán)值參數(shù)，在本文中[i]=0.2。通過(guò)計(jì)算設(shè)定的最大隊(duì)列閾值與最小隊(duì)列閾值加權(quán)得到期望值[qexp]，其公式為：

[qexp=maxth×j+minth×（1-j）] （12）

式中[j]為權(quán)值參數(shù)，在本文中[j]=0.3。再將計(jì)算得到的[nq（t）]與[qexp]進(jìn)行歸一化處理，即：

[nqnor（t）=0.01×nq（t）] （13）

[qexp_nor=0.01×qexp] （14）

將中間閾值midth設(shè)置為差異參數(shù)[δ]，因此在本文中Huber損失函數(shù)為：

當(dāng)[nqnor（t）-qexp_nor≤midth]時(shí)：

[Lnqnor（t），qexp_nor=0.5×nqnor（t）-qexp_nor2" ] （15）

當(dāng)[ nqnor（t）-qexp_norgt;midth]時(shí)：

[Lnqnor（t），qexp_nor=midth×nqnor（t）-qexp_nor-0.5×mid2th] （16）

在計(jì)算丟包函數(shù)時(shí)，Huber?AQMRD算法的丟包函數(shù)如下：

當(dāng)[davggt;0]時(shí)：

[Pb=0，" " " " " " avglt;minthPc，" " " " " minth≤avglt;midthPd，" " " " " midth≤avglt;maxth1，" " " nbsp; " " maxth≤avg] （17）

在A(yíng)QMRD算法下只要maxth≤avg，就會(huì)將丟包函數(shù)[Pb]置為1，這樣的做法過(guò)于激進(jìn)，本文將在當(dāng)davggt;0的情況下，在minth≤avglt;midth之后加入了midth≤avglt;maxth來(lái)緩解其激進(jìn)的丟包方式。在minth≤avglt;midth情況下，加入了Huber函數(shù)以及Sigmoid函數(shù)，即：

[Pg=L?avg-minthmid-minth?maxp] （18）

[Pc=11+exp（-Pg）] （19）

在A(yíng)QMRD算法中，[Pg]函數(shù)是由AQMRD的原始計(jì)算結(jié)果與Huber函數(shù)相乘得到的。Huber函數(shù)能夠表達(dá)當(dāng)前隊(duì)列情況與期望隊(duì)列情況的差異，這種差異越大，就希望通過(guò)更多的丟包來(lái)緩解，而當(dāng)差異較小時(shí)，則不需要過(guò)多地影響當(dāng)前的性能。為了更好地處理[Pg]函數(shù)的計(jì)算結(jié)果，引入了Sigmoid函數(shù)。Sigmoid函數(shù)的作用是將計(jì)算得到的值轉(zhuǎn)換為一個(gè)具有S形狀的輸出，即使得到的結(jié)果更分散化，輸出具有更好的靈活性和可調(diào)節(jié)性。

在midth≤avglt;maxth的情況下也加入了Huber函數(shù)，即：

[Pd=0.75×Pg+0.25×L] （20）

式中[Pd]函數(shù)通過(guò)原本的[Pg]函數(shù)以及Huber函數(shù)加權(quán)得到。

當(dāng)[davg≤0]時(shí)：

[Pb=0，" " " "avglt;minthPh，" " "minth≤avglt;maxth1，" " " " maxth≤avg] （21）

其中，[Ph]的計(jì)算方式為：

[Ph=L?avg-minthmaxth-minth?maxp] （22）

同樣，在原本的AQMRD相同情況下與Huber函數(shù)相乘得到[Ph]函數(shù)來(lái)控制當(dāng)前的丟包情況。

整個(gè)偽代碼如下：

Initialization：

avg=0

davg=0

count=-1

Calculate avg and davg

Calculate Huber

if davggt;0

midth++

if avglt;minth

[Pb]=0

else if minth≤avglt;midth

Calculate probability [Pc]

else if midth≤avglt;maxth

Calculate probability [Pd]

else

[Pb]=1

else

mid--

if avglt;minth

[Pb]=0

else if minth≤avglt;maxth

Calculate probability [Pc]

else

[Pb]=1

update the dropping probability

if count×[Pb]lt;1

[Pa=Pb1-count×Pb]

else

[Pa=1]

mark the arriving packet with probability [Pa]

2.2" Huber?AQMRD算法仿真

模擬環(huán)境的組建采用網(wǎng)絡(luò)仿真軟件ns3，對(duì)應(yīng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示，在多Incast網(wǎng)絡(luò)傳輸場(chǎng)景下進(jìn)行性能測(cè)試，將結(jié)果與AQMRD擁塞控制算法做對(duì)比。

2.2.1" 仿真環(huán)境搭建

仿真實(shí)驗(yàn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。圖1中，[R1]?[R2]帶寬為5 Mb/s，時(shí)延為2 ms，[n]取4，即為4條發(fā)送流，帶寬均為10 Mb/s，時(shí)延為2 ms，如圖1所示，在[R1]?[R2]鏈路設(shè)置4組minth與maxth。仿真時(shí)間設(shè)置為60 s，其中全局發(fā)送停止時(shí)間延遲2 s，接收開(kāi)始時(shí)間延遲0.2 s，接收停止時(shí)間延遲3 s，發(fā)送數(shù)據(jù)包大小為1 000 B，[S1]、[S2]、[S3]、[S4]同時(shí)向[R1]發(fā)送數(shù)據(jù)。

2.2.2" 隊(duì)列尺寸

隊(duì)列尺寸是指在網(wǎng)絡(luò)或系統(tǒng)中用于暫時(shí)存儲(chǔ)數(shù)據(jù)包或任務(wù)的隊(duì)列容量大小。在網(wǎng)絡(luò)通信中，數(shù)據(jù)包在傳輸過(guò)程中可能會(huì)遇到延遲或丟失，因此需要在發(fā)送和接收之間設(shè)置一個(gè)緩沖區(qū)，用于臨時(shí)存儲(chǔ)這些數(shù)據(jù)包，以防止數(shù)據(jù)丟失或過(guò)早處理。這個(gè)緩沖區(qū)就是隊(duì)列，而隊(duì)列尺寸就是指這個(gè)緩沖區(qū)能夠容納的數(shù)據(jù)包或任務(wù)的數(shù)量。

隊(duì)列尺寸的大小對(duì)系統(tǒng)性能和服務(wù)質(zhì)量有重要影響。如果隊(duì)列尺寸過(guò)小，可能會(huì)導(dǎo)致數(shù)據(jù)包丟失或傳輸延遲增加，從而降低網(wǎng)絡(luò)的吞吐量和響應(yīng)速度。相反，如果隊(duì)列尺寸過(guò)大，可能會(huì)占用過(guò)多的內(nèi)存資源，導(dǎo)致系統(tǒng)資源浪費(fèi)或引發(fā)隊(duì)列溢出等問(wèn)題。

AQMRD與Huber?AQMRD在不同參數(shù)下輸出的隊(duì)列尺寸如圖2所示。

可以觀(guān)察到，當(dāng)網(wǎng)絡(luò)流量開(kāi)始增加時(shí)，AQMRD算法會(huì)快速將隊(duì)列尺寸降至極低水平，這是由擁塞控制算法的調(diào)節(jié)作用引起的。然而，這種迅速降低隊(duì)列尺寸可能導(dǎo)致數(shù)據(jù)包的大量丟失或傳輸延遲增加，從而降低了網(wǎng)絡(luò)的吞吐量和響應(yīng)速度。相比之下，Huber?AQMRD算法解決了這個(gè)問(wèn)題。它在擁塞控制算法生效后并沒(méi)有將隊(duì)列尺寸降低到極低水平，而是保持在一個(gè)相對(duì)穩(wěn)定的狀態(tài)，從而確保了網(wǎng)絡(luò)流量的正常處理。這種優(yōu)化設(shè)計(jì)有助于維持較低的傳輸延遲和減少數(shù)據(jù)丟失，從而提高了網(wǎng)絡(luò)的性能和服務(wù)質(zhì)量。

2.2.3" 丟包率

丟包率在評(píng)估和衡量網(wǎng)絡(luò)性能時(shí)扮演著至關(guān)重要的角色，因?yàn)樗苯臃从沉司W(wǎng)絡(luò)服務(wù)的質(zhì)量水平。簡(jiǎn)而言之，丟包率是指在數(shù)據(jù)傳輸過(guò)程中丟失的數(shù)據(jù)包所占的比例。當(dāng)丟包率較低時(shí)，通常意味著數(shù)據(jù)傳輸更加可靠，服務(wù)質(zhì)量更高，因?yàn)樗硎驹跀?shù)據(jù)包傳輸過(guò)程中丟失的可能性較小。這對(duì)于實(shí)時(shí)應(yīng)用和對(duì)數(shù)據(jù)完整性要求高的場(chǎng)景尤為重要，例如語(yǔ)音通話(huà)、視頻會(huì)議、在線(xiàn)游戲，以及文件傳輸和數(shù)據(jù)庫(kù)查詢(xún)等。

表1通過(guò)比較不同參數(shù)設(shè)置下的AQMRD和Huber?AQMRD算法的丟包率，可以看到在（12，48）和（20，60）參數(shù)設(shè)置下，Huber?AQMRD算法都表現(xiàn)出了一定的優(yōu)勢(shì)。特別是在（12，48）參數(shù)設(shè)置下，其丟包率從1.228%降低到了1.182%，相較于A(yíng)QMRD算法，丟包率下降了3.7%。這個(gè)結(jié)果清晰地展示了Huber?AQMRD算法在優(yōu)化丟包率方面的顯著效果，為提升網(wǎng)絡(luò)性能和提高服務(wù)質(zhì)量提供了有效的解決方案。

2.2.4" 吞吐量

吞吐量是指在一定時(shí)間內(nèi)系統(tǒng)或設(shè)備處理數(shù)據(jù)的能力。它是衡量系統(tǒng)性能的重要指標(biāo)，反映了系統(tǒng)在單位時(shí)間內(nèi)能夠傳輸、處理或完成的數(shù)據(jù)量或任務(wù)數(shù)量。高吞吐量意味著系統(tǒng)具有更快的數(shù)據(jù)處理速度和更高的效率，能夠在更短的時(shí)間內(nèi)完成更多的工作。在網(wǎng)絡(luò)通信中，吞吐量直接影響著數(shù)據(jù)傳輸?shù)乃俣群晚憫?yīng)時(shí)間。因此，對(duì)于確?？焖?、可靠的數(shù)據(jù)傳輸以及提供良好的用戶(hù)體驗(yàn)，吞吐量至關(guān)重要。在設(shè)計(jì)和優(yōu)化網(wǎng)絡(luò)架構(gòu)、協(xié)議或系統(tǒng)時(shí)，需要重點(diǎn)關(guān)注吞吐量的優(yōu)化。

表2通過(guò)比較不同參數(shù)設(shè)置下的AQMRD和Huber?AQMRD算法的吞吐量，可以看到在（12，48）的參數(shù)設(shè)置條件下，兩者的吞吐量基本相當(dāng)。然而，在（20，60）的參數(shù)設(shè)置條件下，Huber?AQMRD算法的吞吐量得到了顯著的提升。這表明Huber?AQMRD算法在（20，60）設(shè)置下能夠更有效地提高系統(tǒng)的數(shù)據(jù)處理能力，進(jìn)而提升系統(tǒng)的性能和效率。

2.2.5" 帶寬公平性

當(dāng)多個(gè)連接共享同一瓶頸資源時(shí)，各數(shù)據(jù)流量之間必然會(huì)因?yàn)橛邢薜木W(wǎng)絡(luò)資源而發(fā)生競(jìng)爭(zhēng)，導(dǎo)致資源的不公平使用，而這種不公平性在現(xiàn)代網(wǎng)絡(luò)中可能會(huì)造成用戶(hù)極差的體驗(yàn)感，在一些特殊的網(wǎng)絡(luò)環(huán)境中，例如證券交易所，則會(huì)造成嚴(yán)重的后果，所以帶寬公平性是衡量網(wǎng)絡(luò)服務(wù)質(zhì)量的重要指標(biāo)。AQMRD與Huber?AQMRD四條流的吞吐量見(jiàn)表3。

在表3中，在參數(shù)為（12，48）與（20，60）的情況下，分別計(jì)算了AQMRD與Huber?AQMRD四條流的吞吐量，通過(guò)分別計(jì)算不同情況下的四條流的方差去判斷帶寬公平性，結(jié)果如表4所示。

從表4中可以看出在參數(shù)為（12，48）的情況下，Huber?AQMRD的帶寬公平性與AQMRD的帶寬公平性相差無(wú)幾，而在參數(shù)為（20，60）的情況下Huber?AQMRD算法中的四條流吞吐量標(biāo)準(zhǔn)差比AQMRD算法中四條流的吞吐量標(biāo)準(zhǔn)差低7.89，這表明Huber?AQMRD算法相對(duì)于A(yíng)QMRD算法在帶寬公平性上略有提升。

3" 結(jié)" 語(yǔ)

網(wǎng)絡(luò)擁塞控制一直以來(lái)是網(wǎng)絡(luò)通信中密切關(guān)注的問(wèn)題，總體來(lái)說(shuō)，Huber?AQMRD擁塞控制算法通過(guò)對(duì)丟包函數(shù)的優(yōu)化，在（minth，maxth）參數(shù)為（20，60）時(shí)，丟包率、吞吐量以及帶寬公平性指標(biāo)上有不俗的表現(xiàn)，下一步則需要驗(yàn)證在實(shí)際網(wǎng)絡(luò)環(huán)境中的性能表現(xiàn)。

參考文獻(xiàn)

[1] JACOBSON V. Congestion avoidance and control [J]. Computer communication review， 1995， 25（1）： 157?187.

[2] TIAN L， YANG M Z， WANG S G. An overview of compute first networking [J]. International journal of web and grid services， 2021， 17（2）： 81?97.

[3] ABDEL?JABER H. An exponential active queue management method based on random early detection [J]. Journal of computer networks and communications， 2020（5）： 1?11.

[4] PATEL S. Nonlinear performance evaluation model for throughput of AQM scheme using full factorial design approach [J]. International journal of communication systems， 2020， 33（8）： e4357.

[5] JIANG F C， FENG C W， ZHU C， et al. Performance analysis of active queue management algorithm based on reinforcement learning [J]. Journal Européen des systèmes automatisés， 2020， 53（5）： 637?644.

[6] KHATARI M， ZAIDAN A A， ZAIDAN B B， et al. Multidimensional benchmarking framework for AQMs of network congestion control based on AHP and group?TOPSIS [J]. International journal of information technology amp; decision making， 2021， 20（5）： 1409?1446.

[7] 沈陽(yáng).一種基于PID控制器的自適應(yīng)RED算法[J].中國(guó)科技信息，2018（8）：72?74.

[8] 潘成勝，張松，趙晨，等.一種基于TCP?ARED的網(wǎng)絡(luò)動(dòng)態(tài)擁塞控制策略[J].火力與指揮控制，2023，48（1）：1?7.

[9] 夏潔，李付勇，姜?jiǎng)倜?基于被動(dòng)偵聽(tīng)與數(shù)據(jù)幀調(diào)度的擁塞控制方法[J].現(xiàn)代計(jì)算機(jī)（專(zhuān)業(yè)版），2018（19）：3?7.

[10] KARMESHU， PATEL S， BHATNAGAR S. Adaptive mean queue size and its rate of change： queue management with random dropping [J]. Telecommunication systems， 2017， 65（2）： 281?295.

[11] ABOOD L H， OLEIWI B K， HUMAIDI A J， et al. Design a robust controller for congestion avoidance in TCP/AQM system [J]. Advances in engineering software， 2023， 176： 103395.

[12] 溫春暉.網(wǎng)絡(luò)擁塞控制中的自適應(yīng)RED算法研究[D].贛州：江西理工大學(xué)，2018.

[13] 張松.自適應(yīng)主動(dòng)隊(duì)列管理算法研究[D].南京：南京信息工程大學(xué)，2023.

[14] GIMéNEZ á， BONASTRE ó M， VALERO J， et al. Poster： Modified dynamic beta RED—A new AQM algorithm for internet congestion control [C]// Proceedings of the 2023 ACM on Internet Measurement Conference. New York： ACM， 2023： 718?719.

[15] MAHAWISH A A， HASSAN H J. Improving RED algorithm congestion control by using the Markov decision process [J]. Scientific reports， 2022， 12（1）： 13363.

[16] MISHRA A， SUN X P， JAIN A， et al. The great internet TCP congestion control census [J]. Proceedings of the ACM on measurement and analysis of computing systems， 2019， 3（3）： 1?24.

作者簡(jiǎn)介：晁" 凱（1999—），男，陜西西安人，在讀碩士研究生，研究方向?yàn)橹悄芫W(wǎng)絡(luò)通信。

康百成（1998—），男，甘肅武威人，在讀碩士研究生，研究方向?yàn)橹悄芫W(wǎng)絡(luò)通信。

王雙全（1997—），男，河南周口人，在讀碩士研究生，研究方向?yàn)橹悄芫W(wǎng)絡(luò)通信。