Обзор методов контроля перегрузки с использованием машинного обучения

И. А. Степанов^ab, М. В. Попов^cb, А. И. Гетьман^cadb, М. К. Иконникова^b, А. А. Белеванцев<sup>c

a</sup> Московский физико-технический институт
^b Институт системного программирования им. В.П. Иванникова РАН
^c Московский государственный университет имени М. В. Ломоносова
^d Национальный исследовательский университет "Высшая школа экономики"

Аннотация: Контроль перегрузки является ключевым аспектом современных сетей. Первые алгоритмы контроля перегрузки, такие как TCP Tahoe и TCP Reno, были разработаны в конце XX века, и их основные идеи остаются актуальными до сих пор. С развитием высокоскоростных сетей для них были созданы специализированные алгоритмы, например, TCP BIC и TCP CUBIC. Однако классические алгоритмы, основанные на определённых правилах, не всегда оказываются эффективными во всех сетевых условиях, и с развитием 4G, 5G и спутниковой связи задача контроля перегрузки стала более актуальной. Это привело к появлению решений этой задачи на основе машинного обучения и обучения с подкреплением, в частности таких, которые способны адаптироваться к динамически изменяющимся условиям сети. В статье представлены и рассмотрены как классические алгоритмы контроля перегрузки, так и наиболее популярные и новые алгоритмы, основанные на машинном обучении, а также некоторые реализации с использованием технологии multipath. Кроме того, выделены наиболее значимые проблемы алгоритмов на основе машинного обучения и обсуждены потенциальные направления будущих исследований в данной области.

Ключевые слова: контроль перегрузки в сети, обучение с подкреплением.

DOI: 10.15514/ISPRAS-2025-37(3)-18