该算法为UCR CS204 Advanced Computer Networks 项目，目的在于深入研究由MIT提出的RemyCC算法，并且在不同环境下进行测试，来探究其性能，尝试找出其限制。
总结
该论文从当下TCP拥塞控制协议的出发点进行研究，认为目前现存的算法都是人为地特定不同网络环境来设计算法，这样子虽然针对特定网络环境有良好的表现，但是比较笨重。于是设计了拥塞控制算法生成器Remy，其生成的拥塞控制协议称为RemyCC，并且在评估过程中明显优于经典的TCP拥塞控制算法。
拥塞控制问题的建模
下面首先介绍Remy的三个输入参数：先验假设、流量发送模型、目标优化方程。
网络的先验假设
从节点的角度来看，我们可以认为网络是随机产生的。并且我们可以将网络假设为 Markovian，即其具备“将来的状态只与现在的状态相关”这样的性质。
接下来，我们将使用三个参数来描述一个网络：bottleneck links的速度，传输延迟时间以及链路的复用情况。
流量发送模型
Remy 将给定的链路之间的容量视为一个随机过程。即switch可能会在随机事件内进行数据传输，之后随机关闭一段时间。节点之间相互独立不影响。
目标优化方程
TCP的数学模型中，有提到一个unitility function
$$\displaystyle\frac{x^{1-\alpha}}{1-\alpha}$$
该函数在alpha取不同值的时候有不同的优化目标，也因此有了不同指标之间的trade off。该论文针对吞吐量以及RTT设计了一个新的目标方程
$$U_{\alpha}(x) - \delta \times U_\beta(y)$$
其中x表示单条路径上的平均吞吐量，y表示该路径上的RTT延迟。这里 alpha 和 beta 参数是 fairness 与 efficiency之间的权衡；而 delta 表示的是延迟与吞吐量之间的权衡。
Remy的生成算法过程
下面首先介绍sender 以及 RemyCC的工作原理，之后介绍Remy算法的细节。
sender
每当sender收到一条ACK，它将会记录下列数据。称这样的三元组为 memory：
- ack_ewma: 两次ACK间隔时间的估测指
- send_ewma: 两次ACK中TCP时间戳的估测值
- rtt_ratio: 最近观测到的RTT 与 观测到的最小RTT 之比
其中ewma表示 exponentially-weighted moving average，是使用观测过的历史值来估测真值的方法。
需要注意的是，其中没有记录经典TCP拥塞控制协议中的 packet loss 以及 RTT，这是因为假设了网络状态良好；并且想要算法从RTT的变化趋势中学习，而不是具体的RTT。
mapping the memory to an action
RemyCC在观测到一条memory之后，将会根据其lookup table查找对应的action。设计该lookup table的任务是由Remy来完成的。具体来说，一条action包含以下信息：
- m: cwnd的乘系数，表示将要对窗口进行的变化
- b: cwnd的加系数，与m相配合来完成窗口的变化
- r: 连续发送的最小时间间隔
算法过程
Remy首先根据给定的网络参数生成多个随机的网络 (16个或以上)，之后运行当前的RemyCC算法在生成的网络上 (运行大概100s)。RemyCC的起始状态为映射所有的memory到一条规则 (m=1, b=1, r=0.01)
详见论文
思考
论文中关于memory只含有三个参数，其中不包含packet loss 以及具体的 RTT，那么可以针对这一假设探究在loss较大 或者 RTT较大的网络中的算法表现
关于网络的先验假设参数，是否还有其他的可供描述参数？并且其对网络的影响较大？如bandwidth
用Remy搜索找到的最佳RemyCC，当把它用于和生成RemyCC时使用的网络相似的网络上时，效果当然非常不错，但一旦用于不同类型网络时，效果就不太如意了。这里当然是因为RemyCC只能预测它所见过的网络的最优决策，一旦遇到没见过的网络，RemyCC仍使用本身的预见方法来应对，这显然是不够灵活的。
作者：折佩zhepei
链接：https://www.jianshu.com/p/af616f4aa822
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。该算法虽然属于贪心暴力算法，但是因为十分依靠输入的参数，所以感觉有一点点神经网络算法的特点：如十分依赖输入集，在其他网络下的表现可能不是很好。或许可以通过测试验证这一点。