随着互联网和视频技术的迅速发展,诞生了诸如直播带货、在线教育等行业,改变了人们的生活和工作方式。与此同时,实时视频产生的巨大流量给互联网传输带来了巨大挑战,视频卡顿多、延迟高等问题影响着用户的观看体验。因此,视频流的传输算法及其优化成为研究热点。本文设计和实现了针对移动端视频直播传输算法的测评平台,利用真实移动网络数据模拟链路,分析不同算法在不同网络场景中的表现。实验结果表明,基于机器学习的算法相比GCC算法能获得更高的吞吐量,但是存在训练困难和算法表现不稳定的问题。针对以上问题,本文对基于机器学习的算法进行了深入的研究,通过对比实验探究了不同因素对算法性能的影响。实验结果表明,历史信息的长度对拥塞控制算法对网络拥塞的判断有影响,而神经网络的结构影响不大。根据实验结论,本文基于DQN算法提出了 LVCC算法,并针对线上环境不稳定的问题,提出了网络状况检测算法来保障鲁棒性。最后,基于上述算法设计并实现了视频直播传输算法在移动端的适配系统,并在真实直播场景中进行实验验证。结果表明,优化后的LVCC算法在视频RTT和视频卡顿率等指标上都有所改善,提升了视频的传输质量。