[发明专利]基于决策树的TCP拥塞控制算法的主动选择系统及方法

权利要求书

1.基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于，包括如下步骤：

S1，数据监测：对TCP链路网络的往返时延RTT和丢包率保持监测，按时间分片获取链路的往返时延RTT和丢包率数据；

S2，数据预测：根据步骤S1获得的往返时延RTT和丢包率数据，使用差分整合移动平均自回归ARIMA模型预测下一个固定时间分片的预测往返时延RTT和丢包率；所述ARIMA(p,d,q)模型中，通过投入N组监测数据，按照下列公式生成平均值为μ的时间序列：

其中y_t和a_t表示t时刻的真实变量值和对应的随机误差；是B的p阶和q阶多项式；和θ_j(j＝1,2,……,q)是模型参数；B是后移运算符；模型的阶数p和q、差分阶d均为整数；随机误差a_t被假定为独立且相同的分布，平均值为零，恒定方差为σ²；

S3，决策选择：通过决策树模型，将预测的往返时延RTT和预测的丢包率作为输入数据，输出TCP链路下一个固定时间分片内最合适的拥塞控制算法，若当前链路拥塞控制算法和决策树的决策结果不同，则进行切换；否则不进行切换。

2.如权利要求1所述的基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于：所述步骤S3中，决策树模型包括构建样本集和训练CART决策树：

构建样本集时，对同一种网络环境下不同拥塞控制算法的TCP链路的吞吐率进行对比，标记出每一种网络环境下吞吐率最高的拥塞控制算法，将这些标记好的数据作为CART决策树的训练数据；

训练CART决策树时，对于样本集S，定义基尼系数对于属性A，分别计算任意属性值将数据集划分成两部分之后的Gain_GINI，选取其中的最小值min(GainGINI_A,i(S))i∈A作为属性A得到的最优二分方案；对于样本集S，计算所有属性的最优二分方案，选取其中的最小值min(min(GainGINI_A,i(S))i∈A)A∈Attributes，作为样本集S的最优二分方案；所得到的属性A及其属性值i，即为样本集S最优的分裂属性和最优分裂值；

CART算法构建决策树时重复上述选择属性和属性值的过程，不断选取当前最优方案作为决策节点的分类规则，直到实例数据集不能再次划分。

3.如权利要求1所述的基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于：所述步骤S1中，通过ICMP报文来探测TCP链路丢包率，通过使用ping程序每秒发送固定个数ICMP报文，并根据接收到的应答计算TCP链路的网络丢包率。

4.如权利要求2或3所述的基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于：所述步骤S2中，通过上一次对网络丢包率的预测值和上一次的实际丢包率测量值，经过参数α的线性处理得到下一个固定时间分片内网络丢包率预测值，所述预测丢包率SLOSS具体为：

SLOSS＝α*LOSS+(1-α)*LOSS，

其中，SLOSS为预测丢包率，LOSS为实测丢包率。

5.如权利要求4所述的基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于：所述步骤S2中，预测往返时延RTT时采取多组取平均值法计算。

6.如权利要求6所述的基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于：所述可主动选择或切换的拥塞控制算法至少包括reno、bbr、westwood、hybla、vegas和cubic算法。

7.如权利要求6所述的基于决策树的TCP拥塞控制算法的主动选择方法，其特征在于：所述时间分片为10秒。

8.基于决策树的TCP拥塞控制算法的主动选择系统，其特征在于，包括监测模块、预测模块和决策模块，

所述监测模块用于对TCP链路网络的往返时延RTT和丢包率保持监测，按固定时间分片获取链路的往返时延RTT和丢包率数据；

所述预测模块根据监测模块获取的往返时延RTT和丢包率数据，通过使用差分整合移动平均自回归模型，预测下一个固定时间分片的预测往返时延RTT和丢包率；

所述决策模块通过决策树模型，将预测模块获取的往返时延RTT和预测的丢包率作为输入数据，输出TCP链路下一个固定时间分片内最合适的拥塞控制算法，若当前链路拥塞控制算法和决策树的决策结果不同，则进行切换；否则不进行切换。