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。     

APID:一种自适应调节参数的拥塞控制器

在网络状态发生变化的情况下,现有的根据传统线性控制理论设计的拥塞控制器导致路由器缓冲队列抖动加剧、网络带宽利用率下降,针对此问题,分析TCP/AQM拥塞控制机制中受控过程的传递函数,得到受控过程队列长度和丢包概率之间的关系,利用此关系式并结合路由器上实际测量到的队列长度和丢包概率,计算出符合当前网络状态的PID控制器参数,提出一种自适应调节参数的PID拥塞控制器APID.仿真实验结果表明:APID算法能够动态地调节PID控制器的参数,比PI,REM,IMC-PID,LRED和AOPC等算法具有更好的队列稳定性和更高的带宽利用率.     

一种基于积分分离的内模PID主动队列管理算法

针对PI主动队列管理算法存在调节时间长和鲁棒性差的缺点,提出了一种基于积分分离的内模PID主动队列管理算法(IMC PD-PID)。其突出特点是控制器参数整定方便,由于采用了积分分离的方法,使其既保持了积分作用,又减小了超调量。仿真结果表明:该算法较PI算法有更小的超调量,队列收敛速度明显加快。     

智能PID拥塞控制算法

针对主动队列管理(AQM:Active Queue Management)几种算法存在响应时间较长并在时延较大时都不能使队长度收敛到期望值的问题,提出一种智能PID(Proportional Integral Differential)控制主动队列管理算法,给出了该算法的详细描述.仿真实验表明,该算法不仅在时延较小的情况下是稳定的、鲁棒的,且响应速度优于REM(Random Exponential Marking),PI(Proportional Integral)控制,PID控制等算法.同时,对于大时延的网络,该算法也是稳定、收敛的.     

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.     

一种考虑网络能效优化的队列管理方法

针对网络数据传输过程中传输速率慢、网络能耗高等问题,本文基于混合引力搜索算法HGSA提出了一种队列管理方法.该方法首先给出了网络能效评价指标,以此衡量网络的有效信息容量和传输速率.同时利用混合引力搜索算法来对队列管理方法进行优化.最后通过数学仿真,分析了队列长度、数据包大小等对网络能效的影响,结果证明了该方法具有较好的适应性.     

单神经元自适应PID控制器在主动队列管理中的应用

将单神经元自适应PID控制器应用于Internet网络的主动队列管理中,给出了控制系统的结构及控制算法.仿真结果表明这种白适应PID控制器控制的调节速度优于常规PID控制算法.     

循环多队列的顺序存储和算法实现

队列是一种重要的数据结构,队列在各种类型的系统中应用广泛,队列技术被广泛应用于编译软件和程序设计中.讨论队列的结构特征与操作实现特点,有着重要的意义.经常讨论的是循环队列或单队列等传统的队列.但在实际应用中经常会遇到循环多队列存储结构,在数据结构与算法中没有研究该内容,研究并实现了循环多队列的存储结构.并用这种结构解决了一些实际的问题.     

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.     

基于模糊控制的主动队列管理算法

针对网络模型的不确定性和参数的时变性,该文提出了一种基于输入速率和队列长度变化的模糊控制主动队列管理算法.采用模糊控制方法,不依赖于网络的精确数学模型;考虑了负载因素和队列因素,加快了对拥塞的感知速度.仿真结果表明该算法能迅速地将队列长度收敛到目标队列长度附近,并且其丢弃概率小于随机早期检测算法以及PI控制算法.