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。     

AQM算法在公平性方面的研究

主动队列管理是实现网络拥塞控制的一种重要技术.近年来,出现了一些新的主动队列管理算法.这些新算法针对大多数主动队列管理算法对公平性考虑不足的问题在一定程度上进行了改进,对公平性提供了一定的支持.本文对其中两个有代表性FRED和CHOKe算法进行了对比研究及理论分析,结合在ns2上的仿真实验结果对算法中存在的问题及其原因进行了深入的分析.最后对算法进行了综合的评价,并给出了对算法的改进建议.     

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.     

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。     

主动队列管理算法中拥塞等级的探讨

IBLUE算法是一种主动队列管理算法,它使用数据包在路由器排队队列中的延迟时间和平均队列长度来控制网络拥塞,通过对不同拥塞等级的探讨,进一步完善了该算法的理论基础。     

ABLUE—一种新的自适应主动队列管理方法

针对主动队列管理方法 BLUE存在队列抖动偏大的问题,提出一种新的自适应主动队列管理方法 (ABLUE).该方法通过考虑缓冲区长度和平均队列长度定义了丢包策略和丢包概率,利用菌群优化算法对平均队列长度模型进行求解.利用OPNET对ABLUE方法进行仿真实验,深入研究有效传输数据包个数、瞬时平均队列长度方差和缓冲区长度等因素之间的关系.研究结果表明:相对于与BLUE方法、RED方法,ABLUE方法具有较好的适应性.     

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.     

基于免疫粒子群算法的网络拥塞控制策略

为避免Internet路由器主动队列管理中PID参数整定试凑法的盲目性,提出免疫杂交粒子群算法用于PID控制器参数优化,构造一种基于免疫杂交粒子群的智能主动队列PID算法.仿真结果表明,基于免疫杂交粒子群的PID主动队列管理算法能够适应动态变化的网络环境,具有较好的网络控制性能.     

一种基于模糊排队论的网络拥塞控制算法

在分析和比较现有的主动队列管理(AQM)的网络拥塞控制算法基础上,将模糊控制理论与排队论相结合,提出了一种适合于动态控制队列长度的拥塞控制算法。该算法根据路由器中队列长度的变化情况,对源端数据包的丢弃概率进行模糊控制,从而避免网络拥塞,提高路由器处理的实时性。通过matlab仿真,验证了此算法能够减小排队的延时、提高带宽利用率以及稳定队列的长度。     

光突发交换网络中的早期丢包（EPD）算法。

提出了光突发交换网络中一种新的积极的队列管理策略——早期丢包算法，该算法通过在光突发交换网络的边缘节点实施积极的队列管理来实现拥塞控制，不仅能减少网络中的拥塞，同时克服子网中的准同步现象，从而改善整个光突发交换（OBS）网络的性能。     

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。     

基于元胞遗传方法的主动队列管理算法研究

为了解决网络拥塞现象,基于CHOKe方法建立了一种新的主动队列管理算法New-SCHOKe。该方法首先根据采样击中和队列击中定义了丢包策略和丢包概率,并且利用元胞遗传技术刻画了平均队列长度。同时,以实际数据进行仿真实验,对比分析了该算法与SCHOKe和CHOKe之间的性能,结果表明New-SCHOKe具有较好的适应性。     

基于测量的主动队列管理算法

针对RED(Random Early Detection)队列管理算法不能实现业务流之间带宽公平共享,提出了基于测量的主动队列管理算法(MBAQM).这种算法采用基于测量和预测的方式估计不同业务流的输入速率,并根据队列大小计算出新到来包的丢弃概率,在维持较少的流状态情况下,通过队列的丢弃机制,实现了不同速率输入业务流之间的链路公平共享.通过对参数的调整还可以实现优先带宽分配机制.该文从理论上说明了该算法能够保证各业务流近似公平地共享输出链路带宽,同时给出相应的仿真结果.     

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.     

带有输入饱和的TCP/AQM网络系统事件触发控制

研究了具有用户数据报协议(user datagram protocol,UDP)数据流干扰和不确定项的TCP/AQM网络拥塞控制问题.首先考虑由丢包率范围而导致的输入饱和的问题,从而对丢包率进行限制.其次,利用模糊逼近的方法处理系统中的干扰和不确定项.为节约网络资源,引入事件触发机制,结合输入饱和、模糊逼近以及Backstepping技术,提出了一种主动队列管理算法,不仅可以使队列长度跟踪到期望队列长度,而且减少了触发次数,节约了网络资源.最后,仿真验证和分析表明了所提方法的有效性和优越性.     

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．