随着通信技术的不断发展,越来越多的终端拥有多个接口,但传统的传输控制协议协议(Transmission Control Protocol,TCP)只能利用一个接口进行传输,造成了网络资源的浪费。为了提高网络资源的利用率,多路径传输技术逐渐成为一个新的研究方向。多路径TCP(Multipath TCP,MPTCP)是由互联网工程任务组提出的新型多路径传输协议,不仅能够兼容现有的TCP应用,而且支持多个网络接口进行并行传输,提高了传输吞吐量。但MPTCP默认的数据调度算法没有考虑网络中复杂的网络参数,使得MPTCP在路径差异较大的环境中产生大量失序的数据包,造成传输性能下降。为了提升MPTCP在非对称网络环境下的传输效率,本文在分析和比较当前的数据调度算法基础上,提出了基于时延和拥塞的数据调度算法和基于强化学习的数据调度算法,论文的主要工作如下:1.针对MPTCP数据调度算法在拥塞的网络环境中传输性能下降的问题,本文提出了一种基于时延和拥塞的数据调度算法,该算法在最小往返时延(Round-Trip Time,RTT)数据调度算法的基础上加入了网络拥塞因子,在进行数据调度时计算各条路径之间RTT比例和拥塞情况,优先选择RTT较小并不会造成网络拥塞的路径传输。通过仿真表明,本文提出的算法相比传统轮询算法和最小RTT算法能够有效提升传输效率。此外,本文还将MPTCP运用到实际生产中,搭建了基于虚拟现实(Virtual Reality,VR)的远程互动传输平台,实现了VR直播和VR互动。2.本文将人工智能算法中的强化学习与MPTCP数据调度结合,提出了一种基于强化学习深度Q网络(Deep Q Network,DQN)的数据调度算法。该算法首先收集各条传输路径的信息,根据路径的传输结果对各个路径进行奖励和惩罚,动态地估计各路径的传输能力,将数据尽可能分发到传输能力强的路径上。仿真表明该算法相比传统轮询算法和最小RTT算法提高了传输效率,并且提升了20%传输数据总量。