基于TCP NewReno的稳态吞吐量分析模型

最近的研究表明,在当前网络未启用SACK选项的TCP流中,有超过一半的数据流采用TCP New Reno的快速恢复算法.而Padhye提出的基于TCP Reno的TCP吞吐量分析模型,不能准确反映TCP New Reno数据流的吞吐量.Padhye模型在建立过程中采用猝发性丢包模型,同时忽略了快速恢复阶段和超时后的慢启动阶段,影响了预测的准确性.基于此,提出了一种基于TCP New Reno的吞吐量分析模型.在分析过程中,采用了更符合真实网络丢包特征的丢包模型,并且充分考虑了快速恢复阶段和超时后的慢启动阶段对吞吐量的影响.仿真实验表明,该模型可以准确地预测TCP New Reno数据流的吞吐量.

缺省参数对TCP起始阶段性能的影响

对TCP在初始化阶段设置的参数作了讨论,并结合先前的TCP机制在这方面的不足对NewReno TCP进行了修改,提出了一种新的算法NewReno-I,不但提高了TCP的传输效率,而且在很大程度上降低了报文的丢失概率。

认知无线网络中基于跨层的TCP性能增强方法

认知无线电网络中SU完成垂直切换前后,传输信道质量不同是影响TCP协议性能的主要原因。为了克服此问题,设计了一个基于跨层反馈的TCP控制方案,取名TCP-CR。TCP-CR主要包括拥塞窗口调整、TCP报文段大小选择、慢启动门限值更新三部分内容。并令TCP-CR*为TCP-CR的简化版,其只含有TCP-CR中的报文段大小选择模块。以TCP-newreno协议为版本实现TCP-CR与TCP-CR*。仿真结果显示,采用TCP-CR或TCP-CR*的协议性能都明显优于原TCP协议,同时TCP-CR的性能略高于TCP-CR*。这表明报文段大小的合理选择是影响认知网络中TCP协议性能的关键因素。

Comparative Analysis of TCP-Protocol Operation Algorithms in Self-Similar Traffic

This paper presents simulation modelling of network under the conditions of self-similar traffic and bottleneck occurrence. The comparative analysis of different TCPs (NewReno, Reno, Tahoe and etc.) has been conducted along with the testing of various algorithms of these protocols activity. The use of TCP Vegas has been proved to be the most effective.

无线网络中基于强化学习的拥塞控制算法改进

针对现有协议在无线网络中出现的吞吐量小、传播延迟大等问题,对TCP-NewReno协议进行研究,提出了一种改进的拥塞控制协议(NewReno-RF)。考虑无线网络拓扑变化快、带宽不对称的特性,在拥塞控制协议的慢启动和拥塞避免阶段,提出了基于往返时延量化和强化学习的拥塞窗口自适应动态变化算法,以对拥塞窗口进行速率控制。NewReno-RF算法在NS2中建立的无线拓扑网络仿真结果表明,其较TCP-NewReno明显改善了无线网络的通信质量。