PIO:区分服务中的一种基于预测的主动队列管理算法

提出了区分服务中一种基于预测的主动队列管理算法PIO。在PIO算法中,首先对IN包和所有包下一时段的平均到达速率进行预测。当包到达队列时,根据当前IN包队列长度、总的队列长度、预测的下一时段所有包的平均到达速率和IN包平均到达速率决定对包是否丢弃。通过仿真实验,分析了在不同预约比例、不同端到端TCP连接数的条件下PIO算法队列稳定性、丢包率和吞吐量等性能指标。仿真结果表明,PIO算法在统计性保证带宽的同时,与RIO算法相比,无论是在低预约还是过预约网络状态下都有效提高了队列的稳定性,并降低了丢包率。     

一种基于自相似业务的队列管理算法

在分析业务流自相似特性对队列性能影响的基础上,提出了一种适宜自相似网络环境的队列管理算法,简称SSRED。在SSRED算法的分组丢弃概率函数中引入了自相似参数H,其目标旨在降低自相似特性所造成的影响以提高网络性能。仿真实验与分析表明,使用SSRED算法有利于提高自相似网络环境中的吞吐量、降低丢包率以及减少网络延迟等性能。     

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注.本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit CongestionNotincation,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS).最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法.     

基于高级Petri网的RED改进算法研究

扩展Petri网对逻辑运算结果为互斥时的图形表示方法。建立基于高级Petri网的随机早期预测(RED)算法模型,通过分析该模型,从理论上证明了RED算法存在缺陷的主要原因是不同网络、不同链路的往返响应时间(RTT)差异大。由此改进RED的模型并提出相应的改进算法,定期监测各队列平均长度的变化率,当其值大于阈值时增加丢弃概率,提前通知源端降低发送速率,否则转发队列中的数据包,以此缩小不同网络、不同链路的RTT差异,达到避免网络拥塞的目的。用NS-2仿真平台进行仿真实验,结果表明改进模型及其算法能有效改善丢包率、端到端的延时等性能指标,验证了改进算法的有效性。     

一种有效的TCP和UDP混合流队列长度控制方法

在分析基于TCP流量控制的随机微分方程(SDE)模型的基础上,针对现有微分流量模型无法描述UDP流量变化的问题,在路由器队列长度变化中引入UDP流量的影响,建立TCP和UDP混合流量的随机微分方程模型,实现了对原有TCP微分流量模型的扩展。通过求解TCP和UDP混合流量稳定状态下的分组丢弃概率,改进了原有基于TCP流的RED队长控制方法,结合RED算法本身来调整其算法的参数,以保持路由器缓存中的队列长度稳定在期望队长附近,有利于控制和保证端到端的延时,使原有的基于TCP流的RED队列长度控制方法能应用于TCP和UDP的混合流。仿真实验表明,改进后的面向TCP和UDP混合流的RED队列长度控制方法对于TCP以及TCP和UDP的混合流均具有较好的适应性,采用该方法可使路由器的实际队列长度保持在期望控制队列长度附近波动。     

基于非线性差分随机早期检测的拥塞控制机制

主动式队列管理技术是网络中间节点拥塞控制的关键技术,它和基于窗口的TCP端到端的拥塞控制相结合,是解决目前网络拥塞控制问题的有效途径。采用非线性增长数据包丢弃概率与差分服务模型相结合的方法,提出NLD_RED算法。该算法是对RED改动很小的一种算法,实现了控制参数动态化,一定程度上消除了RED的参数敏感性问题,满足了不同优先级差分服务需求,增强了调节拥塞控制的能力。在仿真平台上设计了仿真实例,对算法性能进行评估。算法能够尽量维持平均队列长度在一个相对稳定状态,提高了算法稳定性和灵活性。     

一种主动网络环境下的主动队列管理机制

针对主动网络这种新型网络体系能为主动队列的管理提供更加灵活和有效的方法,以及目前主动网络中主动队列的管理仍然简单移用传统网络算法这一情况,深入研究了这种简单移用存在的弊端,及应专门为主动网络设计主动队列管理机制的重要性和必要性。在此基础上,利用主动网络中路由器有着对流经其上的用户数据进行计算的特征,提出了主动网络环境下,基于资源动态协商的主动队列管理机制,并用OPNET8.0进行了仿真实验,验证了该机制在丢包率、队列长度和包延时等方面的优势。     

瓶颈网络TCP/主动队列管理模型及仿真

提出了一种基于离散时间Markov链的时延闭环反馈TCP/AQM(Active Queue Management)模型,并得到其稳态分布.通过以环路时延为单位,将系统时间分割成长度不同的时隙,分析每个时隙内TCP发送端发送窗口模型和瓶颈路由器队列模型.通过结合相邻时隙的参数,提出了TCP/AQM整体分析模型.该模型可以估计路由器的队列平均长度和丢包率、TCP发送端的平均发送窗口值,因此可以用于分析AQM算法性能以及给新算法的设计提供理论支持.通过在Matlab实施该模型与NS2仿真结果作比较,证实了该模型在模拟时延闭环反馈的TCP/RED系统的有效性.     

主动队列管理的PI/PID拥塞控制器的调节

主动队列管理是一类重要的互联网拥塞控制策略。然而,要调节控制参数以达到性能目标是比较困难的,目前,许多研究工作致力于寻找简明有效的调节方法。提出了网络拥塞控制中主动队列管理的PI/PID控制器的一个简化模型,给出了控制器参数调节的经验公式。仿真结果表明,新的拥塞控制器简单易行,并具有系统响应时间短、网络流量吞吐率高等优点。     

两次随机丢包的被动队列管理算法

主动队列管理算法增加了硬件资源和运算量的开销,并且存在参数设置敏感,响应相对滞后于实际网络状况的缺陷,并没有在实际网络上推广使用。因此对目前使用最多的弃尾被动队列管理进行改进,提出了两次随机丢包的被动队列管理算法。在队列满时,两次随机丢弃队列中的数据包,改善弃尾队列管理的缺陷,提高了网络传输性能;提出了速度公平性的概念,两次随机丢包的被动队列管理算法对占据队列较多的TCP链接有更好的惩罚作用,能有效提高RTT公平性和速度公平性;该算法计算量小;NS2仿真表明该算法的有效性。     

MCHOKeM algorithm with assured bandwidth allocation in DiffServ networks

An active queue management (AQM) algorithm called MCHOKeM is presented, which is borrowed from CHOKeW that draws multi-packets at random from the buffer, the multi-packets are compared with an arriving packet and abandoned if they are from the same flow. But MCHOKeM uses multiple virtual queues for different priority packets and enhances the drawing function by adjusting the maximum number of draws based on the current status of virtual queue length. The number of parameters that MCHOKeM needs to maintain is determined by the number of priority levels being supported by the router, which usually has a small limited value. In order to explain the features of MCHOKeM, an analytical model is used. A series of simulation tests to evaluate the performance are given.     

联合AMC,ARQ与包分割的通信系统队列分析与跨层优化

针对联合自适应调制编码（adaptive modulation and coding, AMC）, 自动重传请求（automatic repeat request, ARQ）与包分割传输3种机制的通信系统,提出了一种ARQ多帧动态周期反馈机制,并建立了分析此系统的马尔可夫链模型,得到了包平均时延、平均反馈次数、平均掉包率和系统吞吐量等多种性能指标。在此基础上提出了在服务质量（quality of service, QoS）条件约束下,以最大化系统有效吞吐量为目标的双向链路跨层最优化算法。仿真结果表明,提出的马尔可夫链模型能精确预测系统的性能,与现有的单帧反馈和多帧固定周期反馈相比,提出反馈机制可达到更大的系统有效吞吐量。     

TCP-RED路由队列建模与分析

用NS2构建了TCP-RED系统（网络业务流是TCP包，以RED为AQM算法），以产生模拟Internet业务流的数据。基于机理分析与数据驱动相结合的思想，建立了Internet业务流的控制模型用于研究TCP-RED系统的动态特性。从RED的分段特性出发，从切换系统的角度分析了TCP-RED系统，发现网络流量的波动是由于RED的切换特性引起的。通过根轨迹法分析了此切换系统中子系统的稳定性。提出了一种在实际网络环境中调整RED来控制流量波动（甚至混沌）的方法。本文所得的RED参数调节法基于实际网络数据的分析，而不是只依赖经验或机理分析。NS2的仿真实验证实了它的有效性。     

一种惩罚非适应流的无状态主动队列管理算法

CHOKe是一种无状态的主动队列管理算法,能以较低的代价提高网络的性能,但是由于它对超速的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。针对这一问题,提出一种新的对非适应流的惩罚机制-ECHOKe算法,通过比较分析FIFO队列中随机抽取m个包与新到包的流ID号之间的关系以及m个包之间的关系建立了新的数据包丢弃机制,从而实现在不提高算法复杂度的前提下增大对超速非适应流的惩罚,提高了公平性。仿真结果表明,在不保持流的状态下,该机制对非适应流具有更强的识别和控制能力,与B-CHOKe和M-CHOKe算法相比,能够进一步加强对非适应流的惩罚,实现更为公平的带宽分配。     

网络仿真软件NS2中队列调度算法的扩展

结合一个新的队列调度算法,深入全面地探讨了如何对网络仿真软件NS2(NetworkSimulator)进行扩展,特别是如何在NS2中实现复杂的队列调度算法。对在NS2中实现新算法的基本原理和过程,以及一些关键细节给出了较为详细的描述,如通过分组来携带用于调度的流状态信息,以及如何使用这些信息进行队列调度,增加对分组队列的基本操作等。最后还给出了新算法的仿真实验结果,实验结果表明新算法在公平性方面的性能良好。通过扩展NS2来验证新的网络协议和算法,大大提高了效率、降低了成本,并更具灵活性。     

基于优先权的iSLIP算法及其仿真试验

iSLIP算法是用于解决高速路由器交换结构调度问题的一种经典调度算法。在高速路由器中提供完备的QOS是当前研究的热点。基于优先权的iSLIP算法从优先权的角度对分组加以区分，可以与QOS区分服务机制较好的结合，从而实现基于类的QOS保证。本文从仿真的角度验证了基于优先权的iSLIP算法可以较好的实现QOS保证。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

一种支持多用户QoS的跨层资源分配策略

提出了一种多用户OFDM系统中支持QoS的跨层资源分配策略。在MAC层采用有限长用户缓存模型,推导了丢包率要求引起的用户速率限制条件,将其作为跨层信息指导物理层资源分配过程。根据等待时延对用户进行分级,在保证所有用户QoS的前提下为高级用户优先分配子载波和功率。仿真表明,在报文到达率较高的情况下该策略既保证了吞吐量,又降低了系统丢包率。