基于人工智能方法的网络拥塞控制综述
来源:计算机工程与科学杂志2025年第06期北京时间:
作者:李天云, 李韬, 温冬, 杨惠, 张毓涛, 罗欣, 董德尊
单位:国防科技大学计算机学院,湖南 长沙 410073
摘要:随着网络应用的蓬勃发展与网络场景的日益多样化,拥塞控制算法的设计面临着前所未有的挑战。人工智能方法凭借强大的自适应性与决策能力,成为学术界和工业界关注的焦点。因此,基于人工智能方法的网络拥塞控制算法应运而生。系统梳理了近年来基于人工智能方法的网络拥塞控制研究进展,从技术途径、应用场景和训练与实验等方面展开分析,并在此基础上展望未来的研究方向。
关键词:网络拥塞控制,机器学习,强化学习,深度强化学习,
2025年06期其他文献查阅:
一种基于Crossbar结构的分布式共享缓存交换机设计与实现
FT-Format:一种可配置的硬件代码快速格式化工具
基于多操作数的RISC-V指令集设计与功能优化方法
一种多端口寄存器文件的全自动物理编译器
ReHuff:基于ReRAM的Huffman编码硬件结构设计
OpenVPN协议颠覆攻击技术研究
基于中继链的跨链分布式身份认证方案
基于人工智能方法的网络拥塞控制综述
车联网环境下基于智能合约的混合访问控制模型
基于AST的MATLAB到Python转换器
斯托克斯定理的形式化及其初步应用
基于量化布尔公式的超时态计算树逻辑有界模型检测
基于坐标卷积和最优传输分配的交通标志检测模型
基于改进的YOLOv8模型对地下工程混凝土裂纹的检测识别
基于Unity 3D的灭火器虚拟消防模拟
基于改进STN的指针式仪表图像校正方法
基于ERNIE模型的雷达维修命名实体识别研究
融合多特征的藏语方言自动辨识方法
基于知识和数据双驱动的DRG医疗问答研究
融合降噪微调与图注意力机制的藏文长文本分类