RemyCC：来自 MIT AI 的最佳 TCP 算法

# RemyCC：机器学习打造更优 TCP 拥塞控制算法

麻省理工学院的研究人员开发了 Remy 系统，它通过试错法生成 TCP 拥塞控制算法。由此产生的 RemyCC 算法在各种网络场景下，性能超越 TCP Cubic、Compound TCP、NewReno 等传统算法。关键特点：生成的方案对人类来说是“黑箱”，需要逆向工程才能分析。

TCP 在网络拥塞时通过动态调整发送速率来调控流量。传统算法（如 Tahoe、Reno、Vegas、BIC 和 FAST）依赖启发式规则。Remy 采用类似强化学习的思路：模拟流量、评估指标（吞吐量、延迟），并迭代优化策略。

ns-2 模拟器测试结果

ns-2 测试涵盖了瓶颈链路、缓冲区和不同 RTT 的场景。在典型配置下——8 个流在 15 Mbps 信道上：

• RemyCC vs Compound TCP/NewReno：吞吐量提升 2 倍以上，RTT 降低 50% 以下。
• RemyCC vs TCP Cubic：带宽提升 70%，延迟降低 3 倍。

算法能适应特定条件：缓冲膨胀、基于丢包 vs 基于延迟的检测。Remy 生成的 C 代码可直接集成到 Linux 内核或 Windows 协议栈。

训练过程：

• 初始化随机发送策略（速率调整规则）。
• 模拟数千个连接，加入噪声（丢包、延迟抖动）。
• 通过奖励函数评估：最大化吞吐量，同时最小化公平性违规和排队延迟。
• 对 150+ 参数进行梯度搜索或遗传优化。
• 导出优化的决策树或查找表。

为什么 RemyCC 更有效？

开发者表示，他们并不完全理解其成功机制。Remy 捕捉了非线性交互：ACK 压缩、延迟 ACK、缓冲区信号。传统算法简化模型（如 Reno 的 AIMD）；Remy 是黑箱优化器。

部署潜力：

• 消费级链路下载速度提升 1.5–3 倍。
• VoIP/视频通话延迟更低。
• 多流共享更公平（如数据中心网络）。

实际部署需 A/B 测试：RemyCC 可能对未见流量模式敏感。

关键要点

• RemyCC 吞吐量比最先进算法高 70–200%，延迟降低高达 3 倍。
• 单机数小时内生成定制算法。
• 黑箱特性：150+ 规则需逆向分析。
• ns-2 测试验证；高 BDP 网络中预期真实收益。
• 适合 Linux/Windows 内核调优。

展望与局限

Remy 为机器学习驱动的协议调优铺平道路。未来工作：与 Google BBR、QUIC 拥塞控制集成。缺点包括训练计算密集和可能对模拟过拟合。对于中高级开发者：fork Remy 仓库，在 Mininet 上自定义拓扑训练。

— Editorial Team