结合果蝇优化算法的PI主动队列管理方法

为解决PI(Proportional Integral)算法收敛速度慢的问题,结合果蝇优化算法提出一种新的PI主动队列管理算法(PIFF).阐述PI主动队列管理机制及丢包率计算方法,结合队长和到达速率定义丢包策略,利用果蝇优化算法刻画了数据包瞬时状态.通过NS2和Matlab进行仿真实验,深入分析了影响该算法的关键因素,对比研究了该算法与其它算法之间的性能状况.研究结果表明:在长期TCP会话数下PIFF能够减少数据包排队时延,有效缓解网络拥塞.     

异构网络环境中的拥塞丢包率仿真分析

针对TCP Vegas算法在异构网络环境中流量公平性导致的拥塞丢包问题,将TCP Vegas拥塞控制算法与主动队列控制策略来行结合分析,提出了将网络模型中不同层次的拥塞控制机制进行结合的算法。网络仿真表明,结合算法能有效避免拥塞丢包。该算法对随机早期检测算法进行了改进,使其能够区分突发流量,从而降低拥塞丢包率,这也将为高可靠性网络的发展提供一个优良的参考价值。     

基于免疫粒子群算法的网络拥塞控制策略

为避免Internet路由器主动队列管理中PID参数整定试凑法的盲目性,提出免疫杂交粒子群算法用于PID控制器参数优化,构造一种基于免疫杂交粒子群的智能主动队列PID算法.仿真结果表明,基于免疫杂交粒子群的PID主动队列管理算法能够适应动态变化的网络环境,具有较好的网络控制性能.     

基于RED的网络拥塞控制算法研究及改进

随机早期检测(Random Early Detection,RED)算法是为TCP流设计的一个主动队列管理机制,能在一定程度上缓解网络拥塞.在RED算法中丢包率与包的大小之间是独立的,这就造成了对小包的歧视.在packet size算法中,通过对RED算法进行适当的改进,体现了丢包率和吞吐量之间的公平性.在此基础上进一步分析,用平均包的大小来影响丢包率以提高网络性能.仿真实验表明该算法对网络拥塞控制具有较好效果.     

基于量子粒子群优化的网络拥塞控制新策略

为了改善网络拥塞控制系统的性能,基于流体流理论的网络简化模型,将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化.定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击2种情况下,该方法设计的控制器的动静态性能优于RED,PI算法,也优于GA,SPSO算法的优化结果,超调量均小于4%,调节时间均小于4s,稳态误差均小于2个数据包.     

一种改进的主动队列管理算法

BLUE是一种典型的主动队列管理算法，它使用丢包和链路空闲事件来控制网络拥塞。在BLUE算法的基础之上，引入自适应的思想对其进行了改进，进一步提高了BLUE算法的性能。     

Ad hoc网络主动队列管理分析

针对无线网络特点,采用主动队列管理算法来控制无线瓶颈节点的队列长度,以期达到拥塞控制的目的.通过NS2仿真和对数据的分析比较,无线网络中间节点的拥塞控制是可行的,但并非所有的主动队列管理算法均适用于Ad hoe网络.与有线网络不同,RED算法不适用于Ad hoc网络的拥塞控制,其性能较去尾算法并无较大改善;REM算法在不同负栽下表现不同,随着负栽增加,其性能下降明显;PI算法在负栽变化时可以较好的控制Ad hoc节点队列长度.并将队列震荡控制在较小的范围.     

基于元胞遗传方法的主动队列管理算法研究

为了解决网络拥塞现象,基于CHOKe方法建立了一种新的主动队列管理算法New-SCHOKe。该方法首先根据采样击中和队列击中定义了丢包策略和丢包概率,并且利用元胞遗传技术刻画了平均队列长度。同时,以实际数据进行仿真实验,对比分析了该算法与SCHOKe和CHOKe之间的性能,结果表明New-SCHOKe具有较好的适应性。     

一种基于模糊-比例积分双模控制的主动队列管理算法

通过将模糊推理方法和PI算法相结合,提出了一种新的主动队列管理(AQM)算法--基于模糊-比例积分(Fuzzy-PI)的双模态控制主动队列管理算法--Fuzzy-PI AQM算法.该算法的基本思想是当偏差很大时,使用模糊逻辑控制,当偏差小于某一阈值时,则切换到PI控制,从而将模糊逻辑控制的鲁棒性强和收敛速度快的特点与PI控制稳态性能好的特点有机地结合起来,实现对网络拥塞的有效控制.而且,由于在设计模糊控制器时采用了合成推理的查表法,极大地提高了模糊控制的实时效果,节省内存空间,优化了路由器的控制性能.仿真结果表明:Fuzzy-PI AQM算法的性能优于传统的PI算法,对队列控制能力强,鲁棒性好,能很好地抵抗突发性业务的干扰,更适合工作在瞬息万变的动态网络环境中.     

输入受限的非线性网络系统全局滑模控制

针对动态TCP网络的拥塞问题,在输入受限情况下,基于全局滑模控制理论设计了一种主动队列管理(AQM)算法.该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性.对于TCP/IP网络中存在的网络模型的不确定、网络参数的时变性以及非TCP适应流所引起的网络振动,该算法可以获得良好的暂态和稳态响应.仿真结果表明该算法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,尤其是在网络条件变化的情况下,该算法优于传统的PI控制和滑模控制.     

基于概率感知模型和量子粒子群算法的移动节点部署

为了解决监测区域的传感器节点部署问题,设计了一种基于概率感知模型和量子粒子群算法的移动节点部署方法。首先,在传统概率感知模型中加入节点剩余能量因素进而得到改进的概率感知模型C（S_i,p）{=0,ifd（S_i,p）≥r—r_e E_ir/E_i0-e-λσ,if d（S_i,p）≤r＋r_e 1,ifr—r_e≤d（S_i,p）≤r＋r_e,然后基于改进的概率感知模型设计了多目标优化的节点部署模型,在优化模型中考虑了网络覆盖率和能量因素。最后定义了基于量子粒子群算法来获得节点的最优位置对应的Pareto最优解的优化算法（即将粒子编码为节点部署方案,采用最小化网络能耗和最大化网络覆盖率为粒子的Pareto目标,引导粒子在可行解空间不断更新位置寻求最优解）。仿真实验结果表明：文中方法能正确地实现监测区域的传感器节点部署,能实现较为均匀的网络覆盖,与其他方法相比,具有较高的网络覆盖率和较长的网络生命周期,具有较大的优越性。     

基于组合智能算法的无线网络信道分配机制

针对当前无线网络信道分配方法易出现干扰, 网络吞吐量小等缺陷, 设计一种基于组合智能算法的无线网络信道分配方法. 首先对无线网络信道分配的原理进行分析, 构建无线网络信道分配模型; 然后采用遗传算法产生无线网络信道的初始分配方案, 并引入粒子群优化算法对无线网络信道的初始分配方案进行精细搜索, 得到合理的无线网络信道分配方案; 最后在MATLAB 2016平台对无线网络的吞吐量、 网络延迟、 数据传输丢包率进行仿真测试. 仿真结果表明, 该方法大幅度提升了无线网络的吞吐量, 网络延迟和数据传输丢包率远小于单一的遗传算法或粒子群优化算法, 改善了无线网络的通信性能.     

粒子群优化BP网络及其应用

提出一种基于量子激励粒子群算法优化BP网络的参数方法.该算法在粒子群优化算法中引入量子论思想,克服了传统粒子群算法易陷入局部极值、优化效果较差的缺点,最终得到BP网络的最佳参数值.利用优化后的BP网络控制仿生机器马的运动状态,仿真结果表明该算法能快速、准确地达到最佳控制效果.     

智能电网中基于平衡树的无线Mesh接入网络路由算法

在智能电网(smart grid,SG)接入层的无线Mesh网络(wireless mesh networks,WMNs)应用中,针对数据流过度地集中在关键节点而导致数据拥塞问题发生,提出一种基于平衡树的无线Mesh网络路由算法。在传统AODV(ad hoc on-demand distance vector routing)算法的基础上,使用平衡树模型,综合考虑节点剩余容量和转发数据所需的路由跳数建立路由判据模型,合理地选择下一跳中继节点,均衡节点数据流。路由算法仿真采用OPNET平台实现,就网络的吞吐量、通信时延以及网络丢包率3个重要方面,对所提的路由算法与传统AODV算法的性能进行了对比分析。仿真结果表明,提出的算法能够有效地解决无线Mesh网络中的数据拥塞问题,相比于传统AODV算法能明显提高网络吞吐量,减小网络通信时延和丢包率,进而提高网络整体的可靠性。     

确信服务TCP连接吞吐量模型

在区别服务网络内为使传输控制协议（TCP）连接在网络拥塞时得到同目标速率相一致的吞吐量，需要分析影响TCP连接吞吐量的主要因素，基于流模型假定，推导了一个确信服务TCP连接在边缘路由器采用漏桶标记算法和核心路由器采用In和Out随机提前检测算法的吞吐量模型，TCP连接吞吐量是一个漏桶参数、确信服务TCP连接目标速率、TCP连接的端到端时延和数据包丢失率的函数，模拟方法证实了模型的有效性。     

MPTCP动态预留数据调度策略研究

多路径传输协议（multipath transmission control protocol, MPTCP）是一种基于TCP协议的传输协议,具有高吞吐量、高带宽利用率、高传输速率等优点,且MPTCP向后兼容TCP,支持现有中间件。针对导致MPTCP的传输性能下降的MPTCP中出现乱序、缓存阻塞等问题,综合考虑每条子路径的往返时延RTT（round trip time）和接收端成功接收到的数据包个数,设计了一种动态预留数据调度算法（dynamic resource reservation data scheduling,DR-RS）,当每次需要传输数据包时,子路径的发送缓存按照合理的策略为所需传输的数据包预留空间,尽量使数据包能够按序到达接收端,避免接收端缓存阻塞。利用NS-3仿真工具,对比分析了DR-RS性能,结果表明,DR-RS更合理,能使MPTCP的传输更稳定并提高了传输吞吐量,达到了负载均衡。     

改进PSO优化SVM的滚动轴承故障诊断

提出一种基于改进粒子群算法和支持向量机的滚动轴承故障诊断方法.首先分析基本粒子群算法的不足及其关键参数,提出多方面改进的粒子群算法,利用10种基准测试函数对比多种粒子群算法,证明该改进算法的优势.然后结合支持向量机,建立滚动轴承故障诊断模型,并提取滚动轴承振动信号的时域、频域、小波包节点能量和CEEMDAN分量排列熵四种特征,构成单一特征和组合特征作为诊断模型的输入特征向量.最后利用凯斯西储大学滚动轴承数据进行验证,并与网格算法、遗传算法和多种不同粒子群算法进行对比.试验证明,本改进粒子群算法优化支持向量机模型在滚动轴承故障诊断中更具优势.     

基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.     

基于流量和拥塞控制最佳速率调整算法的研究

流量和拥塞控制的目的是限制网络中分组传输的平均时延和缓冲区溢出,并公平地处理各Session.基本的流量和拥塞控制的方法有两种。一是窗口式流量和拥塞控制。二是输入速率控制。输入速率控制可以采用两种方法:第一种是采用漏斗式的控制算法来限制和平滑输入业务的突发性,使得输入业务的突发性在可控的范围内,从而实现对网络拥塞的控制;第二种方法是采用最佳速率调整方法,以维持适当的分组时延,追求高的通过量或公平性作为目标函数,采用最佳流控和最佳路由结合算法或最大最小公平速率控制算法。本文主要简述第二种方法。