多目标拆分优化网络拥塞攻击调度

传统的网络数值调度方法在进行数值的调度,存在调度准确度低、效率差的问题.在路由器参与控制网络层的基础上,提出基于运用主动式队列管理(AQM)机制的拥塞攻击网络数值调度方法.获取应用层上的控制MAC层信道接入等级机制,对传感器网络进行控制从而解决拥塞.通过计算缓存队列数据包的数量,获取拥塞回馈,降低本地节点信道的压力,增强本地连接比率,解决拥塞现象.仿真实验表明,采用改进方法进行拥塞攻击网络数值调度,调度准确度高、效率好,有效控制了网络拥塞程度,进而提高了网络通信的服务质量,能有效解决网络拥塞.     

主动队列管理中PI控制的分析与改进

主动队列管理是一个控制过程,它由核心路由器通知TCP源端管理时延并对队列加以利用,是一个反馈控制问题。该文在TCP拥塞控制动态模型的基础上,分析了随机提前检测(RED)机制和其队列平均的不利性,提出可采用PI控制进行队列管理。对PI控制,可将丢弃数据包的概率从几何随机数改进为标准随机数,经网络仿真器仿真,结果表明,验证了该文提出的这一改进效果。     

基于跨层协同的MANET网络拥塞控制算法仿真研究

移动自组织网络MANET因大量数据包发送、节点信道同步适应和动态无线拓扑变化等原因,易发生传输拥塞.传统拥塞控制的主动式队列管理算法,如拥塞随机早期检测算法(Random Early Detection,RED),根据缓存占用情况监测和判断拥塞,无法适应MANET网络MAC层信道监控发送的特点.针对这一问题,基于链路层MAC802.11的RTS/CTS重传机制,结合网络层缓存占用情况检测网络拥塞,提出IRED(ImprovedRED)算法,该算法通过跨层协同的机制实现拥塞控制.最后,通过NS2网络仿真工具验证IRED算法的性能.实验结果表明,IRED较传统算法在吞吐率、延时和传输抖动等性能上都有显著提高.     

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.     

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.     

APID:一种自适应调节参数的拥塞控制器

在网络状态发生变化的情况下,现有的根据传统线性控制理论设计的拥塞控制器导致路由器缓冲队列抖动加剧、网络带宽利用率下降,针对此问题,分析TCP/AQM拥塞控制机制中受控过程的传递函数,得到受控过程队列长度和丢包概率之间的关系,利用此关系式并结合路由器上实际测量到的队列长度和丢包概率,计算出符合当前网络状态的PID控制器参数,提出一种自适应调节参数的PID拥塞控制器APID.仿真实验结果表明:APID算法能够动态地调节PID控制器的参数,比PI,REM,IMC-PID,LRED和AOPC等算法具有更好的队列稳定性和更高的带宽利用率.     

IP网拥塞控制RED算法研究

随着IP网规模的扩大，Internet用户和应用在快速增长，网络拥塞已经成为一个十分重要的问题．为了减轻当前IP网的阻塞现象，主干网路由器必须采取有效地策略来避免和控制网络拥塞，从而保证整个网络的稳定性．讨论分析了拥塞避免／控制RED算法及各种改进技术，比较了它们的优缺点，提出了将队列的平均占有率作为决定拥塞避免机制是否应该被触发的随机函数的参数设置问题．最后通过仿真实验给出了即时队列与平均队列跟踪图．     

基于拥塞预测门限的主动队列管理算法

为解决Drop Tail网关在拥塞后性能剧烈下降的问题,使新算法能简单地实现,并能根据网络状况变化自适应调整参数,提出了一种带显式拥塞指示(ECN)的主动队列管理(AQM)算法——带宽-延时积队列(BDPQ).该算法通过监视瓶颈网关中的缓存队列长度来判断拥塞状况,以带宽-延时积作为拥塞预测门限,如果缓存队列超过该门限,则根据显式拥塞指示策略标记离开队列的分组来向源TCP通知拥塞.仿真结果表明,该算法具有高的链路利用率、较低的平均队列和丢失率,以及较好的公平性能.     

PSRED:一种Ad Hoc网络中优先级自适应的随机早期检测队列管理算法

本文分析了Ad Hoc网络中队列管理算法的研究现状,讨论了不同算法采取的策略在拥塞控制、丢弃数据包、队列长度抖动、公平性等方面的优点和不足.本文基于队列优先级自适应的思想提出了PSRED算法,实验仿真结果 表明该算法在排队延迟、丢包率、队列长度抖动等性能评估优于其它算法.     

基于自适应全局滑模控制的主动队列管理算法

针对TCP网络的拥塞控制问题,采用滑模控制理论提出了一种新的主动队列管理算法。考虑到UDP流干扰的情况,设计了基于自适应全局滑模控制的主动队列管理算法。该算法保证网络系统在整个控制过程中的鲁棒性,并且使用RBF神经网络作为自适应律来消除UDP流干扰对系统的影响。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,优于传统的PI控制和滑模控制。     

基于拥塞预测门限的主动队列管理新算法-BDPQ

提出了一种带显示拥塞指示的AQM(Active Queue Management, 主动队列管理)算法BDPQ(Bandwidth-Delay Product Queue),该算法通过监视瓶颈网关中的缓存队列长度来判断拥塞状况,算法中引入BDP (Bandwidth-Delay Product, 带宽-延时积)作为拥塞预测门限,如果缓存队列超过该门限,则采用ECN(Explicit Congestion Notification,显示拥塞指示)标记离开队列的分组来向源TCP通知拥塞.通过在ns-2中仿真显示,该算法具有高链路利用率、较低的平均队列、低丢失率和较好的公平性能.     

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。     

基于量子粒子群优化PI模型的主动队列网络拥塞控制

为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量QoS降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.     

Internet拥塞控制系统的自整定PID控制器

把Internet网络拥塞控制系统看作一个具有时滞的闭环反馈系统,建立了一个PID控制器作为网络的主动队列管理(AQM)策略调节网络连接节点的拥塞率.网络系统利用时间误差平方积分准则调整PID控制器的参数,使控制器能在线自适应网络系统中的变化,从而有效地控制网络系统的数据传输.仿真表明新的AQM策略能很好地把连接节点的队列控制到期望的队列长度,并且对网络的负载扰动和参数变化具有很强的鲁棒性.     

优化PI控制的自适应主动队列管理算法

主动队列管理算法是解决网络拥塞问题的研究热点,在分析基于控制论的PI主动队列管理算法存在缺陷的基础上,提出了具有自适应特性的ONPI算法,该算法通过引入新的参数设置办法来改善网络的性能。经仿真软件ns2实验证明,新算法能快速地收敛队列、保证队列的稳定性和自适应性。     

基于模糊控制的主动队列管理算法

针对网络模型的不确定性和参数的时变性,该文提出了一种基于输入速率和队列长度变化的模糊控制主动队列管理算法.采用模糊控制方法,不依赖于网络的精确数学模型;考虑了负载因素和队列因素,加快了对拥塞的感知速度.仿真结果表明该算法能迅速地将队列长度收敛到目标队列长度附近,并且其丢弃概率小于随机早期检测算法以及PI控制算法.     

基于GPC的主动队列管理算法稳定性分析

根据主动队列管理算法中TCP拥塞窗口的流体流模型,给出了离散模型和广义预测控制(GPC)算法的表达式;得出了路由器输出队列长度与参考队列长度的闭环传递函数;证明了GPC控制器在满足特定控制参数的条件下,无论网络参数如何变化,闭环系统都是稳定的;并通过仿真验证了其正确性.     

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。     

基于流的队列管理和队列调度的研究

队列调度和队列管理是集成业务中报文处理的2个关键过程，但是现有的研究主要集中在队列调度的性能提高上，对集成业务中队列管理的研究很少。从报文处理整体性能分析出发，在SPFQ调度机制分析的基础上，提出了一种适合SPFQ调度的队列管理机制PRED。通过仿真分析，我们发现这样一种队列管理一队列调度的组合PRED-SPFQ能够在很大程度上提高整个报文处理过程的公平性和稳定性。     

基于混合神经网络的主动队列管理算法

针对高速互联网中拥塞控制的问题，在主动队列管理算法模型基础上，提出了一种基于混合pi-sigma神经网络的动态管理机制．其模型可以方便地在线修正前提参数（隶属函数）和结论参数，适合网络系统拥塞预测和控制．仿真表明，该算法能够保证缓存器中队列长度的稳定性，而且在网络突发流量较大时，在短时间间隔内可以使流量的抖动变得平缓，对网络动态的、不精确的、突发性的环境具有较强的自适应能力．