一种有效的网络流量预测算法

为了对网络流量做定量研究,提出一种基于稳态队列长度的新型网络实际流量预测算法(Prediction algorithm based on Queue length of Steady state for FARIMA model,PQSF).该算法首先利用基于稳态队列长度的乘积解理论推导节点数据包的排队情况,计算出存在失效节点时流量平均对长的数学公式,并结合FARIMA模型建立预测方法,最后通过网络仿真对PQSF算法进行验证.实验结果表明,该算法具有较好的适应性.     

基于多元高斯分布的网络流量异常识别方法

考虑到传统网络流量异常识别数学模型受网络干扰项影响,会降低网络流量异常识别的精度,提出多元高斯分布的网络流量异常识别数学建模．通过引入多元高斯分布理论,解析网络流量数据包,在获取网络端口的基础上,提取网络流量中的TCP网络流量特征和GPRS网络流量特征;将生成的随机梯度序列结合多元高斯分布序列生成新的网络流量分类,对流量分类器统计分析,确定最终的网络流量分类类别,并通过计算网络流量信息增益,确定网络流量异常情况;通过构建网络流量异常识别数学模型,实现网络流量的异常识别．实验结果表明,所提模型在识别网络流量异常时,提高了识别效率和精度．     

一种基于平均负载的阈值控制AQM算法

提出一种新的AQM算法——基于平均负载的阈值控制算法TLED,并研究在低延时状况下的性能情况。使用指数加权平均(EWMA)方法计算网络的平均负载强度,根据平均负载对数据包进行随机丢弃,通过一种阈值控制算法,将缓存区队列长度与负载状况有机结合起来,取得了吞吐量-队列延时的良好折中,并有效改善了原有的基于负载的控制算法对网络流量变化的自适应性。     

基于灰色控制的网络控制系统丢包补偿

本文论述了网络控制系统的产生、特点、复杂性和发展优势，分析总结了在网络控制系统数据包丢失方面的主要研究成果和进展．根据灰色模型的预测性，提出了基于灰色控制理论对网络控制系统数据传输中包丢失补偿策略，并应用此补偿策略对网络控制倒立摆系统进行了仿真实验研究，仿真结果显示丢包补偿后的系统输出几乎与未丢包时一致，从而证实了所提研究策略的正确性与有效性．     

网络数据包到达速率的混沌特性分析及其短期预测

本文利用关联维法分析了以太网数据包到达速率数据的混沌特性，在此基础上，结合相空间重构技术，利用混沌时间序列的局域一阶预测法对其进行了预测，预测结果表明该混沌预测方法能够对网络数据包到达速率取得很好的预测效果．这为进一步研究网络流量提供了基础，也为网络数据包到达速率具有混沌特性提供了新的依据．     

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。     

基于动态矩阵方法的网络控制系统补偿策略

针对网络控制系统数据包不确定的问题,分析了该特性对网络控制系统的影响以及目前的控制方法,设计了控制器节点由事件-时间驱动,传感器节点和执行器节点由时间驱动的分布式网络控制系统模型.在此基础上,根据预测控制中动态矩阵方法具有的简单实用的特点,提出了基于动态矩阵方法的时延控制和数据包丢失补偿策略.应用此策略进行了仿真,结果表明补偿后的系统输出与存在网络时延,但数据包按时到达的系统输出几乎一致,验证了该策略的有效性.     

一个通用的网络流量模型的设计与实现

网络流量是描述网络行为的重要指标之一,对网络规划设计、业务部署、协议与网络设备设计、实施流量工程等都至关重要。依照软件工程方法学,设计并实现了一个通用的流量统计器模型,分析了网络数据包截获机制,研究了相应协议,阐述了网络数据包统计模块实现方法。     

诱导延时和数据包丢失的广义网络控制系统的建模及其控制

针对广义网络控制系统的延时和数据包丢失问题,在诱导延时时间小于和大于采样周期T、单包传输和多包传输数据包丢失情况下,建立广义网络控制系统的模型并进行相关控制器设计.最后探讨了使网络控制系统稳定所允许的最大延时界限,为实际控制工程中广义网络控制对象的研究提供了理论依据.     

全流量回溯结合APT建模分析技术

本文研究了海量网络数据包存储及快速检索技术,并结合APT组织攻击链特征,提出了一种全流量回溯与APT建模分析技术方案,实现APT精准识别。系统通过网络流量聚合成大块文件,实现磁盘的顺序写入及文件系统的零碎片,提升数据包写入速度;通过两级索引,提升数据包检索速度。并结合APT组织的TTP模型,对原始流量快速提取反分析,实现APT攻击的精准识别、回溯分析和攻击连还原。     

基于ALINEA算法快速路入口匝道单点动态控制

在考虑匝道排队控制和控制阈值约束的前提下,基于ALINEA算法对武夷路上匝道进行动态控制.研究ALINEA算法参数设置目的,综合以往研究成果,分析相关采集数据,确定ALINEA参数设置;分析ALINEA经典排队模型,结合武夷路上匝道实际物理条件,提出匝道排队分段约束模型.分析匝道单点动态控制机理和武夷路匝控相关数据特征,构建控制阈值表;控制阈值表、ALINEA算法和匝道排队分段约束模型一起构成了武夷路上匝道单点动态控制策略.离线仿真结果证明了该策略不但平滑了匝道流量脉冲,而且提高了主线下游行车速度,解决了主线下游的拥挤.     

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．     

一种无线传感器网络跨层拥塞控制算法

在无线传感器网络中节点级拥塞和链路级拥塞同时发生的情况下,引入滑模变结构机制,提出相应的拥塞控制算法.链路级拥塞采取节点输出流量最小的数据包优先进行传输的原则;节点级拥塞利用主动队列管理方法实现拥塞控制.所设计的控制器实现了MAC层和传输层同时进行拥塞控制的目的,使整个网络中的节点根据局部的拥塞状态调整数据发送速率,同时自适应地分配MAC信道,利用Lyapunov函数证明了算法的有效性.仿真结果表明该算法有效缓解拥塞的发生,大大降低排队时间.     

A new self-adapting admission control algorithm for differential service in Web clusters

A new admission control algorithm considering the network self-similar access characteristics is proposed. Taking advantage of the mathematical model of the network traffic admission control which can effectively overcome the self-similar characteristics of tile network requests, through the scheduling of the differential service queue based on priority while at the same time taking into account various factors including access characteristics of requests, load information, etc. smoothness of the admission control is ensured by the algorlthm proposed in this paper. We design a non-linear self-adapting control algorithm by introducing an exponential admission function, thus overcomes the negative aspects introduced by static threshold parameters. Simulation results show that the scheme proposed in this paper can effectively improve the resource utilization of the clusters, while at the same time protecting the service with high priority. Our simulation resuhs also show that this algorithm can improve system stability and reliability too.     

基于内模补偿的网络拥塞控制新算法:IC-AQM

已有的AQM算法都没有充分考虑到长时滞对算法性能的影响,该文利用频率域模型降价拟合方式建立了TCP流量控制中主动队列管理AQM系统的等效模型,应用控制理论中的内模补偿原理设计鲁棒的时滞补偿AQM算法（IC—AQM）,克服了长时滞给对队列稳定造成的不利影响,仿真结果表明,这种新算法在长时滞小期望队列综合性能明显优于已有的RED、REM、PI等算法,链路利用率大大提高。     

最大当量排队长度模型及其时空特性

为描述最大排队长度的时空特性,基于单车道路段当量排队长度模型,推导出最大当量排队长度模型.运用数理统计方法分析最大当量排队长度的交通流特性、时间特性与空间特性.使用偏微分方法求解各个影响因素对最大当量排队长度的灵敏度.结果显示:最大当量排队长度对路段长度最为敏感,其次为滞留车辆数,对到达车流量、周期时长或绿信比的敏感程度均取决于另外两个变量.研究表明在交通控制系统中应优先协调短连线以避免交通多米诺效应;考虑不同园素对最大当量排队长度的影响特性,可以为优化或调整信号控制方案提供理论依据.     

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。     

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.     

基于模糊滑模控制的主动队列管理算法

针对动态网络的拥塞问题,提出一种主动队列管理(AQM)算法·该算法基于模糊滑模控制器(FSMC)设计,适合于动态网络流量的变化·模糊控制的加入,缩短了到达时间,改善了滑模控制的抖振现象·对于TCP/IP网络中存在的网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动,该算法具有很强的鲁棒性·仿真结果表明该方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,该算法优于传统的PI控制、模糊控制和传统的滑模控制·     

在有服务费用的串联排队网络中对两组不同到达顾客的模糊控制

研究一个二阶串联排队网络 ,每一阶有一个服务时间服从负指数分布的服务器和具有无限容量的顾客等待空间 .有两类顾客按泊松流到达系统 ,第一类顾客只需接受第一个服务器的服务 ,第二类顾客需要按顺序接受两个服务器的服务 .第一个服务器的服务时间是可变的 .系统中的费用与顾客排队的长度和选用服务速度的大小相关 .系统的控制目标是根据系统的状态动态地在第一阶中等待的顾客中选定接受服务的顾客的种类和确定第一个服务器的服务速度以保证系统在一个无限长的时间里平均费用最低 .这个控制模型可以应用在通讯系统的流量控制、生产系统中的加工车间及交通系统的流量控制中 .在文中 ,一个模糊控制的新方法被提出用以解决这个问题 .计算机模拟的结果显示这种新提出的方法是非常有效并极富研究潜力的 .