以是一定要记得 a < b。
比对前两个图和后两个图的 a，b 参数关系，即可得道。接下来的问题是，即使 a < b，这一切图景，是一厢甘心吗？对于一种端到端 capacity-seeking 算法的衍生，震荡是本质属性，E_best = max(bw / delay) 共识又何德何能？
抛开 E_best 共识本身，先论证稳固收敛点的存在性，这是一个典范的资源斲丧模型，但更简单些。体系表达如下，设 x 为流量，y 为带宽和 buffer 等承载流量的资源，则有：
d x d t = a ∗ y − b ∗ x \dfrac{dx}{dt}=a*y-b*x dtdx=a∗y−b∗x
d y d t = − c ∗ x ∗ y + d ∗ x \dfrac{dy}{dt}=-c*x*y+d*x dtdy=−c∗x∗y+d∗x
x 的变化受两方面影响，它的生成速度与资源成正比，同时其灭亡速度与其本身成正比，而资源 y 也受两方面影响，首先，更多的 x 会斲丧更多资源，更充足的 y 会使其斲丧更快(本性？)，其次，假如有 x 退出，y 会增长。模拟效果如下：
都可以稳固收敛。注意图 1 的参数，它甚至没有震荡。
就着这个模拟，说点风趣的，把体系稍微变一下，假如资源可再生，而不是守恒，体系表达式的 y 将是：
d y d t = − c ∗ x ∗ y + d ∗ y \dfrac{dy}{dt}=-c*x*y+d*y dtdy=−c∗x∗y+d∗y
看下会怎样：
体系竟然震荡了，且资源利用率并不高。以是，基于守恒，本身玩本身，只要调得一手好参数，不愁不高效。只要 E_best 共识被识别，流量守恒，资源守恒，不断腾挪(想象一下，早高峰的公交车刚开始非常拥挤，晃荡一阵子后就不拥挤了，但也上不来人了)，最终就是效率和公平双百分。
再说个敏感的，假如资源不可再生，已消费资源不可腾挪重归资源池，且消费者有趋附者众的倾向呢？好比看到人越多就越去凑热闹，x 将改为：
d x d t = a ∗ c ∗ x ∗ y − b ∗ x \dfrac{dx}{dt}=a*c*x*y-b*x dtdx=a∗c∗x∗y−b∗x
效果如下：
