Internet大范围拥塞等效时滞动力学模型和在线学习控制

This project, which studies the problem of Internet congestion in large scale under the demand of huge amount of data through the Internet, is a fundamental research in both theory and application. For the purpose of congestion control, the resource allocation is optimized by means of analysis on nonlinear dynamics of time-delay systems. Based on the study on the following three scientific problems: (1) the mechanism of large scale Internet congestion in terms of dynamics of time-delay systems; (2) the equivalent time-delayed dynamical model of large scale Internet congestion; and (3) online learning-based control of large scale Internet congestion, we propose to further understand the origin of large scale Internet congestion and build up the equivalent time-delayed dynamical model of Internet congestion. As application, we plan to design the online learning control strategy for suppressing the propagation of Internet congestion and consequently provide a systematic way of modeling, analyzing and controlling the large scale Internet congestion. In this project, the research on the dynamical behavior of time-delayed systems plays the fundamental role and the key problem is building up the equivalent time-delayed dynamical model of Internet congestion control system. The main target of this project is to uncover the mechanism of propagation of congestion inside/across Internet layers and to build up the equivalent time-delayed dynamical model of congestion propagation as well as to design the online learning control algorithm. These results will help us to enhance the reliability of the Internet and consequently extend the scope of application of the Internet.

本项目为应用基础性研究，针对Internet海量数据需求诱发的大规模拥塞问题，从时滞系统非线性动力学理论出发，对Internet数据分配算法进行优化。本项目通过对Internet大范围拥塞的(1)时滞动力学机制分析、(2)等效时滞动力学建模、(3)在线学习控制这三个科学问题的研究，深入认识大规模Internet拥塞产生的时滞动力学机制，重点探索拥塞传播的等效时滞动力学建模方法；作为应用，提出抑制拥塞传播的在线学习控制策略，初步形成对大规模Internet拥塞进行建模、分析和智能控制的方法。在本项目中，时滞动力学研究是基础，对Internet拥塞控制系统的等效时滞动力学建模是关键，深刻认识拥塞在Internet层级间的传播机理、建立拥塞传播的等效时滞动力学模型并设计在线学习控制算法是研究的主要目标，这些研究有助于提高Internet的可靠性从而更加广泛的实现各类基于Internet的应用。

本项目旨在深刻认识Internet拥塞控制系统复杂时滞动力学机理、建立拥塞控制系统等效时滞动力学模型、提出适用于高维非线性系统数据驱动的学习控制方法，为Internet拥塞控制系统等高维非线性系统的调控提供理论参考。取得以下学术进展：发现了时滞对于Internet稳定发包速率的非单调影响，明确了新的非同步振荡性拥塞的时滞动力学机理，基于对称性分岔理论建立了时滞等系统参数与非线性动力学响应之间的定量关系；建立了Internet端口-链路耦合系统的等效振动模型，从力学角度为Internet大范围振荡性拥塞研究提供了新的思路；面向高维非线性系统，提出动力学模型重构的数据驱动方法；明确了高维非线性系统在控制设计方面的一些新的挑战，针对串联、并联多体系统，提出了基于自适应控制和神经网络控制的两相切换学习控制律，理论证明了控制律的收敛性并进行了实验验证；基于数据驱动方法，提出了柔性多体系统的调控方法，结合动力学模型与强化学习，提出了柔性多体系统的欠驱动学习控制。本项目研究的科学意义在于深化了对Internet拥塞控制系统时滞非线性动力学的认识，发展了高维非线性系统在线学习控制方法，研究结果为有效设计、优化网络和多体系统提供了理论支撑。发表期刊论文12篇，做邀请报告2次；培养博士研究生3人、硕士研究生3人（毕业1人）；协助培养博士研究生2人（毕业2人）、硕士研究生1人。