多目标粒子群优化的复合型组播拥塞控制

摘要： 为提高异构环境下大规模动态组播的吞吐量并减小速率抖动,提出一种复合型组播拥塞控制机制(composite multicast congestion control, CMCC). 该机制在基层和增强层使用不同的速率调节方案：基层使用单速率机制控制发送速率,防止接收能力较弱的接收端被“排挤”出组;增强层使用最优化的方法分配速率以提高组播吞吐量并平滑发送速率. CMCC以最大化全局满意度和最小化速率抖动为目标将增强层速率的分配归纳为多目标优化问题,并选用收敛速度快、参数少且计算量小的多目标粒子群优化算法搜索最优解. 仿真结果表明,CMCC能有效提高组播吞吐量,平滑发送速率,且计算量小,实时性高,适用于具有异质接收端的大规模组播.     

一种应用于负载均衡的模拟退火遗传算法

提出了一种基于模拟退火遗传优化算法,求解流量工程中的网络负载均衡问题。这种新型算法不仅能够均衡网络业务流量,相对于其它遗传算法,还具有收敛速度快、简单高效的特点。通过理论分析详尽说明算法的设计思想和相对于现有算法的优越性。     

基于模糊单类支持向量机的丢包区分算法

针对现有丢包区分算法难以获取先验知识和不具有推广性的问题,通过对模糊单类支持向量机的改进提出一种新的丢包区分算法。该算法根据无线误码丢包与按序到达包的时延特征分布一致的特点,由按序到达包的时延特征构成训练集,从而将区分误码丢包和拥塞丢包的二分类问题转化为判断丢包是否为误码丢包的单分类问题。由于无需采集两类丢包样本,解决了难以获取先验知识的问题,使新算法能实现在线的模型训练和丢包区分,具有很好的推广能力。仿真结果显示,新算法区分效果良好,提高了无线网络的传输效率。