基于丢弃优先级的W-CHOKe算法研究

主动队列管理是实现网络拥塞控制的一种重要技术.本文针对主动队列管理算法中的CHOKe算法对非适应流的惩罚力度不够,不能够很好地实现带宽的公平分配这一问题进行深入研究.提出了一种改进的基于丢弃优先级的W-CHOKe算法,并利用网络仿真工具NS2对W-CHOKe算法的实现进行了仿真实验.结果给出W-CHOKe算法有效地控制了非适应流大量的挤占带宽,改进了CHOKe算法的性能.     

N次随机丢包的被动队列管理算法

针对主动队列管理参数设置敏感、消耗大量资源等问题,提出了N次随机丢包的被动队列管理算法.当队列满时,根据当前网络中与路由节点链接的发送端数目,决定丢弃数据包N的值,然后再采用改进的随机丢弃策略丢弃N个数据包.新的算法与其他被动随机丢弃策略相比,克服了弃尾队列管理的缺陷,能够更快地响应网络拥塞,提高了网络传输性能,同时也能够在一定程度上保证公平性,NS2仿真表明了算法的有效性.     

N次随机丢包的被动队列管理算法

针对主动队列管理参数设置敏感、消耗大量资源等问题,提出了N次随机丢包的被动队列管理算法.当队列满时,根据当前网络中与路由节点链接的发送端数目,决定丢弃数据包N的值,然后再采用改进的随机丢弃策略丢弃N个数据包.新的算法与其他被动随机丢弃策略相比,克服了弃尾队列管理的缺陷,能够更快地响应网络拥塞,提高了网络传输性能,同时也能够在一定程度上保证公平性,NS2仿真表明了算法的有效性.     

区分服务下增强型动态RIO算法改进

鉴于区分网络中的标记算法和队列管理对服务公平性有很大影响,进行了基于增强型动态RIO(Enhanced Dynamic RED with In/Out bit,EDRIO)的确保服务下公平性的改进研究.首先从同构聚集流下的不同大小分组来分析各个分组间的公平性,然后从不同聚集流分配不同带宽来研究异构下的公平性.最后从数据包大小、目标速率及聚集流中包含的单流数量等进行性能仿真.实验结果表明,无论在同构还是异构下,基于EDRIO聚集流之间的公平性都比RIO和动态RIO聚集流之间的公平性好,而且该算法具有很好的扩展性.     

基于优先级区分的调度及主动队列管理算法

文中研究在UMTS网络的AM模式（Acknowledged Mode）下实现基于优先级区分的调度及主动队列管理.提出了MP-SAQM（Multi-priorities Scheduling and Active Queue Management Algorithm）算法.算法将不同的QoS类别归入不同的优先级队列,根据MPADRR（Multi-priorities Average Deficit Round Robin）调度算法按照优先级高低进行调度,并对不同QoS类别设置均匀的队列缓冲区,保证了调度的公平性.同时使用差异化的RED（Random Early Drop）算法进行主动队列管理,对不同优先级队列执行不同的丢包策略.仿真结果验证了该算法的有效性.     

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中的主动队列管理技术

在当前Internet网络中,主动队列管理已经成为缓存管理技术的主流。文章分析主动队列管理原理的基础,分析并比较了近两年的一些新算法ERB,RED-PD,PDPC。最后给出了主动队列管理在无线链路层的应用,初步探讨了进一步改进的方向。     

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。     

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.     

一种具有带宽公平性的动态队列管理算法

RED动态队列管理算法用于网络节点以避免拥塞产生，同时保证较高的链路利用率，但在某些情况下，RED算法不能避免网络带宽被一些数据流量很大的连接大量占用，从而导致连接间的带宽分配不公平，提出了一种能有效保障各连接间带宽公平性的改进算法，即BF－RED算法，并且分析了该算法的性能。     

基于神经网络逆系统的鲁棒主动队列管理算法

通过在中间节点上使用主动队列管理策略来进行有效地拥塞控制,在保证较高吞吐量的基础上稳定地控制队列长度,从而实现了端到端的时延控制和保证QoS需求.在研究中,TCP的流量控制过程被视为二阶非线性时变系统,并通过可逆分析,证明该系统可逆,采用神经网络逆系统这种近年来发展起来的非线性鲁棒控制理论作为控制器的设计方法,设计出一种新的主动队列管理算法.仿真试验表明,这种算法的稳态和瞬态性能都优于与其具有相同实现复杂度的 RED和PI算法,并且在负载扰动和参数变化时具有很强的鲁棒性.神经网络逆系统方法应用于非线性的流量控制过程中有助于系统稳定性和鲁棒性.     

智能PID拥塞控制算法

针对主动队列管理(AQM:Active Queue Management)几种算法存在响应时间较长并在时延较大时都不能使队长度收敛到期望值的问题,提出一种智能PID(Proportional Integral Differential)控制主动队列管理算法,给出了该算法的详细描述.仿真实验表明,该算法不仅在时延较小的情况下是稳定的、鲁棒的,且响应速度优于REM(Random Exponential Marking),PI(Proportional Integral)控制,PID控制等算法.同时,对于大时延的网络,该算法也是稳定、收敛的.     

基于AD-ALINEA的入口匝道控制方法

本文提出了一种新的AD-ALINEA与匝道排队长度相结合的匝道控制方法。在AD-ALINEA基础上,兼顾入口匝道排队长度对整体路网交通的影响,将匝道调节率取为AD-ALINEA和排队控制所计算出的调节率的最大值。通过元胞传输模型对ALINEA、AD-ALINEA及本文新方法进行仿真,并对三种方法的主路下游流量及匝道排队长度进行比较分析。结果表明,新方法能够明显降低匝道排队长度,又能保证主路下游流量,同时兼顾了整体路网的效率与公平。     

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AIMD算法的TCP拥塞控制机制改进

基于AIMD算法的随机模型推导了当网络采用主动队列管理时的TCP吞吐率公式,提出了一种改进的TCP拥塞控制机制,新机制在发送端采用了修改过的AIMD算法,在接收端采用了RTT预测补偿机制,仿真结果表明,它在与现有TCP竞争带宽时具有TCP友好性,与普通TCP相比,其流量抖动较平缓并且可以在TCP连接具有不同RTT时提高宽带分配的公平性,因此适合于承载多媒体应用。     

IP拥塞控制RED算法性能仿真分析

IP层实现的主动队列管理（AQM）方案已经成为目前拥塞控制算法研究中的热点。文中对AQM的惟一候选算法，即随机早期检测（RED）进行了研究，并基于OPNET仿真实验，比较和分析了不同网络环境和参数设置下RED算法的性能。仿真结果表明，RED算法对网络的拥塞变化反应较缓慢。进而，运用控制理论对RED性能的改善进行了讨论。