拥塞控制TCP(Transport Congestion Protocol)[1]协议根据不同的环境状态改变cwnd（congestion window）值，以适应网络。现有TCP协议虽应用广泛，但对于复杂无线网络应用，如：基于多跳无线Ad Hoc网络的多路数据流传输等，其在拥塞判断和决策处理上，易使网络出现传播延迟过大、带宽利用率低、竞争拥塞等情况[2]，其主要原因在于拥塞判断方式单一、cwnd变化方式不合理等。参考文献[3]证明虽然TCP协议会造成一定的竞争拥塞，但MAC层的二进制指数回退机制造成的竞争拥塞更为严重。
    针对以上问题，参考文献[4]对往返时延进行压扩，动态改变加性因子大小。参考文献[5]根据前向链路的转发跳数对TCP拥塞窗口增长速率进行控制。参考文献[6]采用一种类似学习的TCP思想，对网络状态进行学习，反馈动作作用后，智能地选择加性因子大小。参考文献[4-6]都忽略了拥塞控制协议中，乘性因子对网络拥塞产生的影响。参考文献[7]在高速网络应用下给出了一种学习拥塞控制算法，有效提升TCP协议在快速网络下的性能，但须对接收端、发送端以及路由都进行改进，实施性不强。本文提出一种基于Ad Hoc网络的cwnd和CW(Collision Window)因子动态学习算法-RFTCP。通过对网络带宽表征量的进一步学习、探索和利用,动态设计cwnd和CW值变化方式,最终提高网络整体性能。
1 RFTCP设计
    RFTCP算法整体思想框图如图1所示，算法主要对TCP层拥塞控制的加性和乘性因子以及MAC层的CW因子进行动态变化。

1.1 加性因子策略
    在无线Ad Hoc网络中，RTT值动态变化特性大，且与网络负荷成正相关。RTT增大时，AI协议应采取更为有效的措施，既提升网络带宽利用率，又尽量避免拥塞。基于此，本文在AI阶段进一步分析RTT，动态决定加性因子大小。
  
1.2 乘性因子策略
    针对MD协议仅依靠重复ACK判断拥塞,且减半cwnd值不能更好地反应网络带宽的问题。本文将MD阶段视为一个有限状态的离散马尔科夫决策过程(Markov Decision Processes),利用强化学习策略，对无线信道带宽特性进一步学习，动态改变cwnd乘性因子，从而充分利用带宽、提高网络总体性能。

式(7)中，sumcn代表网络中此时竞争拥塞节点数据流的总数，MTUTCP指TCP层的最大传输数据单元，SlotTime代表一个单位回退时间间隔。
2 算法实现
    根据上述分析，基于Ad Hoc网络的TCP增强算法RFTCP如算法1所示。
    算法1 RFTCP工作机制

3.2 多跳链式网络下RFTCP性能分析
    场景二为链式传输网络，运动过程中节点分布如图5所示，节点间传输距离为150 m，运动过程中各节点依次按n5移动路径运动并保持链式队形,场景大小为1 500 m×1 500 m。

3.3 多跳链式网络下多路数据流公平性分析
    场景三对改进协议RFTCP在多路数据流通信中的竞争性进行分析。在仿真开始10 s建立TCP流1，在[10，20] s内的随机时刻建立TCP数据流2。图7表示RFTCP与Newreno数据流之间的友好性。仿真结果表明，改进协议流能够与现有TCP协议流友好共存而避免单方面争用信道资源。图8表示在无线多跳网络中建立两路同种TCP数据流，利用式(8)[10]所述的Jain’s公平性索引，衡量协议公平性。其中，n代表数据流个数，ri代表第i个数据流的带宽。RFTCP的公平百分比能达到99.25%，比Newreno提升10%左右。
  

    随着Ad Hoc网络应用的日益发展，现有TCP协议不能满足其复杂性、动态性的需求。本文提出一种cwnd自适应动态变化算法RFTCP，并结合网络吞吐量跨层调整CW因子，通过与现有版本TCP-Newreno在三种传输模型上进行多次仿真比较。结果表明，改进协议RFTCP在传播延迟、吞吐量、公平性等方面都明显优于Newreno。
参考文献
[1] ABED G A, ISMAIL M, JUMARI K. Exploration and evaluation of traditional TCP congestion control techniques[J]. Computer and Information Sciences, 2012(24):145-155.
[2] HIROKI N Y, ABSARI N, KATO N. Wireless loss-tolerant congestion control protocol based on dynamic AIMD theory[J]. IEEE Wireless Communications, April 2010(10):7-14.
[3] HOBLOS J. Improving throughput and fairness in multihop wireless mesh networks using adaptive contention window algorithm(ACWA)[C]. 2011 7th International Conference on Wireless Communications, Networking and Mobile Computing (WiCOM), 2011.
[4] 刘俊.拥塞窗口自适应的TCP拥塞避免算法[J].计算机应用，2011，31(6):1472-1475.
[5] 宋军,李浩,李媛源,等. Ad Hoc中的TCP改进方案-Adaptive ADTCP[J].计算机应用，2010，30(7)：1750-1756.
[6] BADARLA V, SIVA C, MURTHY R. Learning-TCP: a stochastic approach for efficient update in TCP congestion Window in Ad Hoc wireless networks[J]. J. Parallel Distrib.Compute, 2011(71):863-878.
[7] LESTAS M, PITSILLIDES A, IOANNOU P, et al. Adaptive congestion protocol: a congestion control protocol with learning capability[J].Computer Network, 2007(51):3773-3798.
[8] MITCHELL T M. Machine learning[M]. Bejing, China:Machine Press, 2004:263-280.
[9] PADHYE J, FIROIU V, TOWSLEY D, et al. Modeling TCP reno performance: a simple model and its empirical validation[J]. IEEE/ACM Transaction on Networking, 2000,2(8):133-145.
[10] HUAIZHOU S, VENKATESHA R, ERTAN P,et al. Fairness in wireless networks:issues,measures and challenges[J]. IEEE Communications Surveys & Tutorials,2013(13):1-20.