计算机网络在过去的十几年中经历了爆炸式的增长，随之而来的是越来越严重的拥塞问题。自从Jacobson于1988年提出拥塞控制的概念以来，拥塞控制引起了人们极大的关注。各种拥塞控制理论以及算法也相继提出。目前网络的流量控制和管理科学迅速发展，已经逐渐成为计算机科学的一个重要分支：流量控制工程(Flow Control Engine)。其主要研究内容是检测和防止拥塞或从拥塞中恢复的实时机理。拥塞控制算法在设计上存在着许多困难。比如资源是否得到有效的分配以及网络信息的分布性带给分布控制设计的困难、资源分配的公平性等。AIMD(Additive Increase and Multiplicative Decrease)算法是目前比较优秀的拥塞避免算法，已经在互联网的TCP拥塞算法中得到了应用。其主要原理是接收方反馈一个二进制位的过载或欠载信息，接收方根据此二进制信息，采用线性的加法增加乘法减少算法调节发送方的负载。文中讨论了AIMD算法的稳定性、收敛性和公平性及其约束条件。AIMD算法是严格基于同步的，它假定所有的用户都同时收到反馈信息，当接收方具有不同的反馈延迟时，算法的收敛和稳定条件都需要加强。文中讨论了不同的RTT(Round Trip Time)和不同的初始条件下系统的行为。AIMD从算法的简单性和实际网络容易实现的角度考虑，反馈给发送方的信息有限，只有过载或欠载两种二进制状态；AIMD算法根据瓶颈资源的拥塞状态向所有用户发送相同的反馈信号，并不能真实反映接收节点对发送方负载量的要求;同时，AIMD的窗口调整策略破坏了负载平滑性的要求，不能满足当前实时流媒体应用，AIMD的这些不足，体现了一种性能和系统复杂度之间的折衷。本文在反馈控制的基础上，引入预测反馈控制理论，提出了一种新的反馈控制算法:接收节点存储一组历史负载值，并根据历史负载预测当前时间片发送方的负载量，同时反馈给发送方，发送方根据反馈信息调节自己的负载水平。预测反馈控制满足了拥塞控制的效率性和公平性的要求，克服了AIMD算法的上述缺点。