改善带宽公平性的RED算法研究

介绍了一种用于改善带宽公平性的随机优先检测新算法,即Bandwidth Fairness of RED（BF—RED）。该算法首先根据落差权重（drop-weight）定义了高带宽流,然后通过增加控制高带宽流的最大值和参数来增大落差的可能性。最后还在一些网络环境中模拟评估了该BF—RED算法。     

RED算法的改进及其性能分析

随机早期检测（RED）算法作为主动队列管理（AQM）中有效的实现算法，其性能研究近来已成为网络研究 的一个热点。介绍了原始RED算法，并在此基础上对该算法进行了改进，仿真结果和实验数据表明，改进算法能 显著地降低丢包率，提高网络的链路利用率。     

RED算法的改进及其性能分析

随机早期检测(RED)算法作为主动队列管理(AQM)中有效的实现算法,其性能研究近来已成为网络研究的一个热点。介绍了原始RED算法,并在此基础上对该算法进行了改进,仿真结果和实验数据表明,改进算法能显著地降低丢包率,提高网络的链路利用率。     

RED算法的带宽公平性研究

通过对RED算法的分析，指出了RED算法在带宽公平性存在的问题，在此基础上，提出了使用BF-RED算法来解决问题。该算法根据落差权重（drop—weight）定义了高带宽流，通过增加控制高带宽流的最大值和参数来增大落差的可能性，理论上证明TBF—RED算法在各种网络环境联接中能很好地保证带宽的公平性。     

RED算法的带宽公平性研究

通过对RED算法的分析,指出了RED算法在带宽公平性存在的问题,在此基础上,提出了使用BF-RED算法来解决问题.该算法根据落差权重(drop-weight)定义了高带宽流,通过增加控制高带宽流的最大值和参数来增大落差的可能性,理论上证明了BF-RED算法在各种网络环境联接中能很好地保证带宽的公平性.     

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。     

嵌入式网络通信中RED算法改进

在嵌入式网络通信中,主要采用RED算法解决网络拥塞。由于RED算法中丢包率与平均队列长度成线性关系,导致网络在拥塞并不严重时丢包率较大,在拥塞比较严重时丢包率较小,拥塞控制能力较低。经研究,发现IMPRED算法能解决这个问题,当平均队列长度在最小阈值附近时丢包率增长速度较小,在最大阈值附近时丢包率增长速度较大,避免了网络的全局同步。利用时间复杂度和空间复杂度对IMPRED算法和RED算法进行比较,IMPRED算法没有增加RED算法的复杂度。通过NS 2.30仿真证实,IMPRED算法可以提高网络吞吐量,减少延时抖动,使网络比较稳定。     

一种基于速率自适应的改进RED算法

提出了一种利用业务流速率与平均队列长度相结合的指示拥塞程度和计算丢弃概率的RARED（rate automophism RED）算法，用NS2仿真软件验证其有效性，试验结果表明，RARED算法在吞吐率和减少丢包率方面表现优于RED、FRED算法，在端到端的延时方面也表现了较高的稳定性，因而在综合性能上优于RED、FRED算法。     

一种改进的随机早期检测算法

针对随机早期检测算法(RED)参数配置困难的问题，提出了一种自适应阈值RED(SATRED)主动队列管理算法．该算法根据网络拥塞状况，周期性地自动调整最大阈值和最小阈值，以便改善RED路由器的性能．在调整周期内，每到达一个数据包，将平均队列长度和阈值进行比较，在周期结束时根据比较结果对阈值进行调整．仿真结果表明，在路由器缓冲区有限的情况下，相对于简单的尾部丢弃(ttail-drop）和RED，该算法能为TCP连接提供更好的公平性．     

嵌入式网络通信中RED算法的优化

在嵌入式网络通信中,主要采用RED算法来解决网络拥塞,由于RED算法中丢包率与平均队列长度成线性关系,导致网络在拥塞并不严重的时候丢包率较大,在拥塞比较严重的时候丢包率较小,拥塞控制能力较低.经研究,发现EXPRED(Exponent Random Early Detection)算法能解决这个问题,避免了网络的全局同步.通过NS-2.30仿真证实:EXPRED算法可以提高网络吞吐量,减少延时抖动,使网络比较稳定.     

RED算法的随机模型和仿真

运用随机分析的方法建立了一个关于RED(random early detection)队列长度及其指数加权滑动平均值(exponentially weighted moving average,EWMA)的随机模型.对该模型的动态仿真和数值分析表明,它能够很好地预测RED在忙期的动态行为.利用这个模型,RED的参数可以通过简单的数值分析方法进行设置,避免了经验方法在链路特性参数和流量参数变化时所出现的性能问题.     

具有节点访问公平性的WLAN改进退避算法

以获得无线局域网(WLAN)尽可能大的吞吐量和尽量小的丢包率与平均延迟为目标,对无线局域网MAC协议中影响网络性能的载波检测机制,特别是冲突退避算法进行了深入研究.通过对现存冲突退避算法的分析,提出了一种充分考虑了节点对网络访问的公平性的改进退避算法.通过基于NS2网络仿真平台的设计与实现,对所提改进算法进行了性能仿真.结果表明,由于算法中对发送站和非发送站,根据监测到先前包是否冲突情况,采用不同的退避窗口调节策略.不仅保证了节点间数据包发送的公平性原则,其吞吐量、丢包率和包平均延迟性能都获得一定程度的提高.     

基于路由器的RED和Droptail算法比较

弃尾(Droptail)和随机早期检测RED(Random Early Detection)算法是目前路由器中采用的两种重要的队列管理算法.为了在路由器中广泛应用RED算法取代Droptail算法提供依据,对两种算法的性能和实现条件进行了对比研究.使用网络仿真平台NS2(Network Simulation Version 2),首次在缓冲区大小相同的条件下,证明了RED算法在网络拥塞控制、提高网络性能及利用率等方面较Droptail算法有很大提高.仿真结果表明,RED算法与Droptail算法相比,平均队长缩短32%;传输延时减小50%以上;网络净吞吐量提高13%;丢包率降低13%;并能在一定程度上避免发生"全局同步".     

基于P-RED算法的计算机网络TCP拥塞控制

源端到目的端的往返传输时延将给TCP拥塞控制的稳定性和快速性带来极大的不利．基于此，应用控制理论中的Smith原理，并与随机早期检测(RED)算法相结合，提出了具有预测能力的RED(P—RED)算法，以使TCP拥塞控制更加及时．控制的稳定性更高．此外，从理论上分析了该算法的稳定性，并导出了算法中主要参数取值的理论范围，从而对参数的设置起指导作用，从理论上保证了控制的品质．     

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.     

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。     

不确定时滞TCP/AQM系统的滑模控制

针对具有非匹配不确定项和输入时滞的TCP线性化动态系统进行特殊线性变换,将原不确定时滞系统转化为无时滞系统.在新坐标下,基于滑模控制(SMC)设计了一种主动队列管理(AQM)算法.根据滑模到达条件设计了一种控制策略,基于LMI技术给出线性滑动超平面的设计方法,通过Lyapunov函数证明了系统的稳定性.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,尤其是在网络条件变化的情况下,该方法优于传统的滑模控制,能实现准确的跟踪,具有良好的鲁棒性.     

一种改进的降低OFDM峰均比的压扩算法

通过对正交频分复用(orthogonal frequency division multiplexing-OFDM)峰均比的研究,提出一种改进压扩C变换的方法来降低OFDM系统中的峰均比(PAPR).该算法是在原有的压扩C变换方法基础上,通过适当修改某些参数,来达到进一步降低PAPR的目的.仿真结果表明该改进算法更有效...     

边权相同的最小生成树改进算法

针对当赋权连通图中存在权值相同的多条边时,传统的Kruskal算法不能计算出全部的最小生成树,提出了求解最小生成树的改进算法.实验结果表明,改进算法可以得到一个赋权连通图的所有最小生成树,进而为决策者提供更全面的最优决策方案.     

基于BP神经网络的MOCVD温度控制系统参数优化

为解决MOCVD设备温度控制的非线性、时变性以及大时滞等问题,提出改进的基于误差反向传播算法（BP）的神经网络控制方法．在传统BP算法基础上附加一个使搜索快速收敛全局极小的惯性项,在微调权值修正量的同时也使学习避免陷入局部最小．该方法不仅具有自学习自适应能力,而且具有自调整比例因子功能．仿真和试验表明,神经网络控制器具有很强的鲁棒性、自学习功能和自适应解耦．在整个温度控制范围基本误差可达到l℃％。,有效的改善MOCVD系统温度的控制性能,对实际温度控制具有较好的指导意义．