近年来,计算机网络和移动通信技术飞速发展,网络服务越来越丰富。伴随而来的是互联网数据的急剧增长,数据传输网络拥塞变得越来越严重。传输控制协议（Transmission Control Protocol,TCP）的关键——拥塞控制算法是解决网络拥塞的重要手段,在互联网数据通信领域被广泛应用与研究,有效提升了端到端数据传输性能和增加用户的体验。现有拥塞控制算法可划分为基于规则的拥塞控制算法和基于学习的无规则拥塞控制算法。其中,规则表示固定的根据网络反馈信号调整发送窗口的方式。基于规则的典型算法Cubic基于特定的拥塞信号采用预先定义的规则调整发送端的发送窗口,无法利用动态网络资源实现数据传输的高吞吐量和低延时。基于学习的算法则主要利用强化学习的手段学习得到合适的拥塞控制算法调整发送端的发送窗口,并在此过程中不断地实现代理和环境之间的状态、动作和奖励等数据的交互,以最大化累积奖励。但是,在优化多个目标时,其多目标奖励函数通常是难以设计的。针对上述策略在实现多目标传输性能的不足,本文提出了持续提升TCP拥塞控制算法多目标传输性能的方案。首先,考虑到谷歌公司2017年提出的基于规则的拥塞控制算法BBR的高吞吐量和低延时性能,其在数据通信网络被广泛应用。但是,BBR算法控制的数据流（端到端的TCP连接）与异构数据流（由不同的拥塞控制算法控制）共享链路时,BBR数据流会强势地填充链路,触发网络中默认队列管理机制Drop Tail,产生大量丢包。出现丢包时,其他数据流的发送窗口将减半,BBR数据流对丢包不响应,导致其数据流不公平地占用过多带宽。针对上述不公平性问题,本文提出了一种用于路由调度的公平队列管理算法CKCD（Choose-Keep and Controlled-Delay）。该算法通过主动地丢弃两种数据流的数据包来实现异构数据流间公平性的同时保证高吞吐量和低延时,其中两种数据流为:1)由于对丢包无响应而产生过多积压的数据流;2)排队延时较大的数据流。实验结果表明,相比于与BBR共同运作的默认机制Drop Tail,CKCD提升公平性高达62%,同时减少平均传输延时高达92%,保证96%链路利用率（即保证高吞吐量）。其次,考虑到强化学习被广泛应用于TCP拥塞控制,而传统的强化学习算法在优化多个目标时,其多目标奖励函数一般难以设计。针对上述多目标优化存在的挑战,本文设计了一种用于多目标优化的约束强化学习算法（Constrained Reinforcement Learning,CRL）应用于拥塞控制策略。该算法首先采用约束马尔科夫决策过程思想将多目标优化问题表述为有约束优化问题,并利用拉格朗日松弛法将有约束优化问题转化为单目标优化问题,最后采用约束强化学习框架训练得到优化多目标性能的拥塞控制策略。大量实验证明,与经典算法PCC相比,用于TCP拥塞控制的CRL算法不仅避免目标函数设计困难的问题,还提升21.7%公平性和5.4%吞吐量,以及降低27.4%传输延时。本文的创新点如下:（1）分析BBR控制的数据流不公平地占用带宽的原因,设计了公平的队列管理机制CKCD来解决异构数据流间公平性问题,同时提升网络吞吐量以及降低传输延时;（2）分析传统的强化学习算法优化多个目标存在的挑战,提出了约束强化学习算法CRL来实现多目标优化;（3）为了实现基于CRL的拥塞控制策略的思想,设计了用于网络拥塞控制的约束强化学习框架来优化多个目标传输性能。