面向高速对等网应用的拥塞控制机制

为改善现有拥塞控制机制在高速网络中带宽利用率偏低、稳定性不高和更好地应对急剧增长的对等网(P2P)应用流量,提出了一种以FAST为基础,应用大规模网络测量和模糊控制技术的拥塞控制机制.该机制利用分布在网络中的测量设施周期性获取网络状态信息,指导端系统选择适当的控制参数.单个和多个链路瓶颈条件下的仿真实验均表明,本文拥塞控制机制能够在高带宽时延积网络中获得更高的带宽利用率和稳定的排队时延,很适合于P2P等数据传输量大、连接持续时间长的流量的拥塞控制.     

自私用户下的网络拥塞控制研究

在IP网络中,当端系统用户以自我利益为中心响应拥塞信息时,将导致网络拥塞控制协议不稳定,甚至拥塞崩溃．需要设计一种不依赖端系统用户自愿合作的、健壮的拥塞控制协议．研究了存在自私用户情况下,IP网络拥塞控制研究进展,指出了进一步研究的方向．     

基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。     

控制理论在主动队列管理中的应用

拥塞控制中作用于网络中间节点的主动队列管理策略(AQM)是解决IP网络拥塞问题和保证QoS的重要途径.运用控制理论,首先对TCP拥塞控制机制建模,在此基础上运用经典控制理论对主动队列管理各种策略进行分析,着重对AQM的唯一候选算法———随机早期检测(RED)算法进行分析与探讨,给出针对AQM策略的比例及比例积分控制器设计.针对网络本身是一个复杂、时变与不确定性的系统,智能控制理论更适合这类对象分析,为此,引入的智能控制理论采用模糊控制和神经网络控制对AQM策略进行研究和分析.     

几种典型主动队列管理(AQM)算法

网络拥塞控制按照不同的标准可以分为不同的控制机制和相应的拥塞控制策略.主动队列管理(AQM)算法是一种运行于网络中心节点的积极的闭环控制的链路算法.RED(随机早期丢弃)算法是IEIF推荐的主动队列管理算法的唯一侯选算法,然而算法在响应速度、稳定性等方面仍有缺陷.阐述了当前拥塞控制算法和几种典型的主动队列管理AQM算法,分析总结原始的RED算法的不足.     

基于H∞控制的主动队列管理算法

针对网络参数的不确定性和链路带宽的时变性,设计了一种主动队列管理(AQM)算法.该算法将可获得的链路带宽作为标称值,而不可获得的未知时变链路带宽作为干扰信号, 以状态空间的形式描述TCP/AQM模型,用时间域H∞控制方法解决网络拥塞问题.NS2仿真结果表明,该算法在往返时间时变和具有扰动业务流情况下,能够快速收敛于期望队列长度,且性能优于已有的控制算法.     

一种无线传感器网络跨层拥塞控制算法

在无线传感器网络中节点级拥塞和链路级拥塞同时发生的情况下,引入滑模变结构机制,提出相应的拥塞控制算法.链路级拥塞采取节点输出流量最小的数据包优先进行传输的原则;节点级拥塞利用主动队列管理方法实现拥塞控制.所设计的控制器实现了MAC层和传输层同时进行拥塞控制的目的,使整个网络中的节点根据局部的拥塞状态调整数据发送速率,同时自适应地分配MAC信道,利用Lyapunov函数证明了算法的有效性.仿真结果表明该算法有效缓解拥塞的发生,大大降低排队时间.     

多层网TCP-RED非线性流体模型的高效网络拥塞控制

提出了一种多层网络拥塞控制方法,该方法基于流体模型的微分方程设计多层网络拥塞控制.此外,该方法利用流体模型的稳定性保证网络性能参数的均值在多层网络环境及大数据流的情况下向平衡点收敛,同时也有效限制了AOM参数的设置.理论分析和仿真结果证明了这种网络拥塞控制方法能在多层网络中避免拥塞,并当网络出现大数据流时,该多层AQM系统能充分利用网络带宽及保持路由器队列长度的相对稳定.     

ATM拥塞管理及数据流在LAN中的模拟

ATM是目前最适用的高速传输网络技术，在ATM上获得类似LAN的流控制及拥塞管理是ATM的一个关键问题．本文介绍ATM的模型、链路及拥塞管理，集中于ATM信元在乙州网络上的仿真，说明ATM流量与拥塞控制的关系．     

基于蚂蚁算法的拥塞规避路由算法

对业务提供服务质量(QoS)保证,是提高网络效率的重要方法。现有网络常用的路由算法(比如链路状态路由算法)都不具有拥塞响应机制,当一条链路即将或者已经发生拥塞时,只有简单的丢弃数据包。提出了一种基于蚂蚁算法的拥塞规避路由算法。该算法加速了蚂蚁路由算法探索最优路径的过程,并且能够对链路的拥塞状态做出快速反应,分散流量,以避免链路的拥塞。通过仿真,结果表明:该算法在数据包传输时延和网络丢包率性能上,比现有的链路状态路由算法具有明显的优越性。     

主动队列管理中的PID型神经网络控制

研究动态网络中间节点的拥塞控制. 提出一种PID型神经网络的主动队列管理(AQM)算法,给出基于BP学习规则的网络参数自调整规律,根据Lyapunov定理证明了系统的稳定性. 基于NS$-2平台的仿真结果表明,该算法适应瞬息万变的网络环境,系统稳态误差和响应速度等指标优于PID算法.     

一种新的主动队列管理拥塞控制策略

通过对主动队列管理非线性模型进行线性化处理，并在此基础上采用延时反馈系统控制理论，提出了一种基于延时反馈的AQM策略，评估分析了该策略的稳定性和网络性能的优化。仿真结果表明，这种新的拥塞控制策略对抑制网络拥塞有明显效果，能够显著提高网络性能。     

基于内模补偿的网络拥塞控制新算法:IC-AQM

已有的AQM算法都没有充分考虑到长时滞对算法性能的影响，该文利用频率域模型降价拟合方式建立了TCP流量控制中主动队列管理AQM系统的等效模型，应用控制理论中的内模补偿原理设计鲁棒的时滞补偿AQM算法（IC—AQM），克服了长时滞给对队列稳定造成的不利影响，仿真结果表明，这种新算法在长时滞小期望队列综合性能明显优于已有的RED、REM、PI等算法，链路利用率大大提高。     

基于神经网络的永磁同步电机的鲁棒控制

提出一种基于神经网络的永磁同步电机的鲁棒控制策略·基于此策略设计了神经网络PID速度控制器,使速度控制器能实时在线调整,由一种混合型神经网络作为辨识器,利用神经网络的学习特性实现对永磁同步电机系统不确定性的鲁棒控制·为了加快响应速度,提高响应性能,采用多步预测性能指标函数下的反传算法·仿真和实验结果表明,所提出的控制方法明显优于一般永磁同步电机系统的控制方法,具有较强的鲁棒性·     

基于增益自适应Smith预估器的鲁棒AQM拥塞控制算法

根据Lyapunov渐近稳定定理，提出了一种基于增益自适应Smith预估器的鲁棒主动队列管理（AQM）拥塞控制算法（GAS-PI）．该算法结构简单，具有良好的鲁棒性和网络控制性能，同时克服了大时滞给队列稳定性造成的不利影响．仿真结果表明：采用GAS-PI算法，对于限制系统振荡超调量的作用非常明显，同时能使网络具有更快的响应速度及更平稳的队列——在HTTP扰动和负载变动较大的情况下，算法使得缓存队列迅速收敛到稳定值；当网络时延增大时，算法能使网络的动态性能依然保持良好．     

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.     

基于模糊滑模控制的主动队列管理算法

针对动态网络的拥塞问题,提出一种主动队列管理(AQM)算法·该算法基于模糊滑模控制器(FSMC)设计,适合于动态网络流量的变化·模糊控制的加入,缩短了到达时间,改善了滑模控制的抖振现象·对于TCP/IP网络中存在的网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动,该算法具有很强的鲁棒性·仿真结果表明该方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、模糊控制和传统的滑模控制·     

基于自适应反步滑模控制的主动队列管理

针对TCP网络的拥塞控制问题,基于自适应反步滑模控制提出了一种主动队列管理算法。由于系统的不确定在实际工程中很难或根本无法事先获得,设计一个自适应律来实时适应系统不确定的值,从而消除系统不确定所带来的影响。利用此自适应律,提出一个自适应反步滑模控制器,使得系统具有较好的暂态性能和鲁棒性能。仿真结果表明,该方法对TCP网络的复杂变化具有较好的鲁棒性和较快的系统响应。     

未知非线性系统的神经网络自适应鲁棒控制

针对一类未知非线性系统,基于神经网络理论提出一种间接自适应控制方法,该方法不仅保证了闭环系统的稳定,而且使外部干扰、神经网络逼近误差对跟踪误差的影响衰减到给定的水平.