王嘉颖

南京大学

摘要(Abstract)：

随着5G通信、工业物联网、大数据中心等智能网络场景全面普及，海量异构设备并发接入、高低速混合流量突发传输、网 络拓扑动态多变等特征凸显，传统拥塞控制算法的静态调控模式、滞后响应机制已无法适配智能网络的复杂传输需求，极易出现网 络时延激增、吞吐量波动、丢包率攀升等问题。为解决上述问题，本文立足智能时代网络拥塞全新产生机理，首先剖析海量智能设 备接入下的拥塞特征与传统经典算法的运行逻辑，明确传统算法在智能场景下的适配短板；其次从拥塞预判、流量差异化调控、带 宽动态分配三个维度，构建分层迭代优化体系，融合机器学习、差异化调度、自适应资源配置技术优化拥塞控制机制；最后搭建仿 真与实地双验证体系，从时延、吞吐量、丢包率三大核心指标完成算法性能多维校验，并落地适配5G移动网络、工业物联网、云端 数据中心三大主流智能场景。实验结果表明，优化后算法可有效降低网络传输时延、提升链路吞吐量、减少突发流量丢包，相较于 传统CUBIC、BBR算法，综合网络调控性能提升20%以上，具备更强的动态适应性与场景兼容性，可为智能网络高效稳定传输提供技 术支撑。

关键词(KeyWords)：

智能网络；拥塞控制；算法迭代优化；机器学习；动态带宽分配；性能验证

参考文献(References)：

［1］王健，李阳.计算机网络拥塞控制算法演进与智能优化 研究［J］.计算机工程与应用，2024，60（12）：89-98. 

［2］张铭，刘杰.基于深度学习的网络拥塞预判与自适应调 控算法［J］.通信学报，2023，44（08）：156-165. 

［3］陈立，王海.5G 物联网混合流量差异化拥塞控制策略［J］. 电讯技术，2024，64（05）：621-627.