基于拥塞预测门限的主动队列管理算法

为解决Drop Tail网关在拥塞后性能剧烈下降的问题,使新算法能简单地实现,并能根据网络状况变化自适应调整参数,提出了一种带显式拥塞指示(ECN)的主动队列管理(AQM)算法——带宽-延时积队列(BDPQ).该算法通过监视瓶颈网关中的缓存队列长度来判断拥塞状况,以带宽-延时积作为拥塞预测门限,如果缓存队列超过该门限,则根据显式拥塞指示策略标记离开队列的分组来向源TCP通知拥塞.仿真结果表明,该算法具有高的链路利用率、较低的平均队列和丢失率,以及较好的公平性能.     

基于拥塞通知速率的主动队列算法及仿真

随机早期确定(random early detectim,RED)算法是网络拥塞控制策略中基于网络节点的一种主动管理队列技术.就该算法的缺点-滞后效应进行了研究和探讨,并提出了一种基于分组丢失和链路使用历史的解决办法,使得RED的滞后效应得到克服,最后并用NS进行了仿真研究.并就仿真方法进行了探讨.对RED和blue算法用NS就队列长度、平均队列长度、吞吐量等进行了对比分析.     

一种新的主动队列管理拥塞控制策略

通过对主动队列管理非线性模型进行线性化处理，并在此基础上采用延时反馈系统控制理论，提出了一种基于延时反馈的AQM策略，评估分析了该策略的稳定性和网络性能的优化。仿真结果表明，这种新的拥塞控制策略对抑制网络拥塞有明显效果，能够显著提高网络性能。     

基于TTL拥塞控制的主动队列管理算法

提出了一种新颖的主动队列管理算法--基于TTL(Time to Live)的ECN及BECN的综合.ECN和BECN在指示拥塞的过程中各有优缺点,二者的综合可望提高拥塞指示的效率.TTL是在网络上传输的分组必须具有的属性,且每一次转发都要经过检测,以决定该分组的处理方式--转发或丢弃.通过对TTL的判断来决定网络拥塞指示的方式--ECN或BECN.建立了一个数学模型,对模型的分析结果表明该算法对控制拥塞、提高网络吞吐量等有更好的效果.在NS环境下对算法进行了仿真,仿真结果支持了理论分析.     

时滞TCP网络滑模预测主动队列管理算法

针对Internet网络系统中存在的网络拥塞问题,提出了一种离散滑模预测主动队列管理(AQM)控制算法。基于离散化TCP动态拥塞窗口模型,设计了具有时滞补偿的滑模预测算法(SMPC);利用当前及过去时刻的系统信息预测网络未来动态,对滑动模态进行实时校正,确保队列快速平稳的到达期望值;基于Lyapunov方法证明了闭环时滞系统渐近稳定的充分条件。以单瓶颈网络系统为对象的仿真结果表明:所设计的滑模预测AQM算法具有很强的稳定性和鲁棒性,控制性能优于PI、RED和SMC等算法;克服了时变长时延等网络不确定因素的影响,有效避免了网络拥塞的发生。     

一种改进的主动队列管理拥塞控制算法

对基于流的GREEN算法进行了NS-2仿真实验研究，改进算法GREEN＋通过引进参数K（t），在出现短连接流和低带宽流时，能有效地利用链路带宽，取得较高的公平性，同时保持高的链路利用率、低的报文丢失率、短的队列长度．还使用IP优先级域作为一个便利，实现了嵌入式RTT估计．     

基于CGA算法的主动队列管理新策略

基于流体流理论的网络简化模型,将NSGA-Ⅱ与PGA相结合的复合遗传优化算法应用于PID控制器参数优化,提出了一种多目标PID优化设计方法--在满足系统鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并用复合遗传算法对其求解.该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好,根据网络主动队列管理控制系统的要求在解集中选择满意解.仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于GA、SPSO、QDPSO算法的优化结果.     

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．     

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。     

一种改进的主动队列管理算法

BLUE是一种典型的主动队列管理算法，它使用丢包和链路空闲事件来控制网络拥塞。在BLUE算法的基础之上，引入自适应的思想对其进行了改进，进一步提高了BLUE算法的性能。     

一种改进的显式拥塞指示算法

首先仿真分析了ECN(Explicit Congestion Notification)协议RFC 3168网关的性能.研究表明,该协议中建议的平均队列长度超过门限上界时丢弃包的策略将导致网络吞吐量过低.如果改为标记包策略则可以显著提高吞吐量,但因此造成的长队列会增加系统的平均延迟,而且当负载持续增加时还可能导致不能成功建立连接。为保证高吞吐量、低延迟和连通的鲁棒性,提出一种名为LQRD(Long Queue Random Drop)的改进算法,该算法当平均队列超过队列上限时随机的丢弃分组.丢弃概率综合考虑到平均队列、路由器的缓存大小、链路容量和系统平均延迟等因素的影响,仿真结果表明其具有良好的性能.最后,我们给出并分析了该算法的解析模型.     

一种改进的用于TCP／IP的后向显式拥塞指示算法

显式拥塞指示(ECN)和路由器中的主动队列管理(AQM)的结合运用,提高了TCP/IP协议对拥塞控制的能力。其中,后向显式拥塞指示(BECN)建议拥塞的路由器直接把拥塞信息通过ISQ返回给发送端,以减少对拥塞的反应时间。但是,BECN对拥塞窗口的减小程度不足,每收到一个ISQ包BECN的拥塞窗口仅减少1,严重影响到拥塞解除的性能。提出用乘性减少代替线性减少以增强BECN的性能,即每收到一个ISQ包拥塞窗口乘以一个小于1的系数。仿真结果表明,乘性减少BECN比线性减少BECN在性能上有显著的提高。     

关于ERPISCN网络拥塞控制的研究

有关网络的拥塞控制是网络设计和管理中一个重要问题。论述基于帧中继网络开发的专用综合服务通信网络（ERPISCN）的拥塞控制的特点和实际拥塞控制的方法。     

一种基于全局优化的Internet拥塞控制算法

与传统的基于经验的Internet拥塞控制算法不同，根据广域网络的数学模型，将拥塞控制转化约束非线性规划的全局优化问题，并由此依据凸优化问题的解决方法，设计了满足收敛，稳定和公平性条件的速率迭代算法；依据网络层显示拥塞指示技术的支持，将速率迭代算法分为源端和路由路两部分，从而使该算法可以在IP网络中实现，仿真结果表明了该算法的有效性。     

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。     

基于LMI方法的鲁棒AQM控制器设计

研究了因特网拥塞控制中的鲁棒主动队列管理(AQM)控制器设计问题. 基于Internet传输控制协议(TCP)拥塞避免机制的线性模型,根据AQM的设计要求, 首先将此问题转化为鲁棒镇定问题;然后利用线性矩阵不等式(LMI)方法得出了动态输出反馈控制器存在的充分条件,并给出了相应的设计方法. 最后,给出了控制器设计的算例并进行了仿真. 仿真结果表明所得出的控制器是可行和有效的,它不仅对全部网络参数鲁棒而且过渡时间短.     

不确定TCP网络中的滑模主动队列管理算法

为解决传输控制协议(transmission control protocol,TCP)网络中的拥塞问题,提出了一种基于滑模控制理论的主动队列管理(active queue management,AQM)算法.该算法基于线性TCP网络拥塞控制模型,为补偿网络中不确定因素的影响,采用线性矩阵不等式(linear matrix inequality,LMI)设计了一个渐近稳定的滑模面,从而使滑模面的设计问题转化为LMI的求解问题.通过在拥塞控制系统中应用一个改进的到达条件明显地降低了系统的抖振,满足该到达条件的控制器能够使路由器中队列长度的振荡得到有效的抑制.不同情况下的仿真结果表明该算法具有良好...     

多目标拆分优化网络拥塞攻击调度

传统的网络数值调度方法在进行数值的调度,存在调度准确度低、效率差的问题.在路由器参与控制网络层的基础上,提出基于运用主动式队列管理(AQM)机制的拥塞攻击网络数值调度方法.获取应用层上的控制MAC层信道接入等级机制,对传感器网络进行控制从而解决拥塞.通过计算缓存队列数据包的数量,获取拥塞回馈,降低本地节点信道的压力,增强本地连接比率,解决拥塞现象.仿真实验表明,采用改进方法进行拥塞攻击网络数值调度,调度准确度高、效率好,有效控制了网络拥塞程度,进而提高了网络通信的服务质量,能有效解决网络拥塞.     

基于量子粒子群优化PI模型的主动队列网络拥塞控制

为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量QoS降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.