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。     

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．     

无线传感器网络自适应拥塞控制的路由算法分析

无线传感器网络中节点的覆盖范围有限,因而采用多跳路由传输方式.无线自组网中的多跳路由是由普通节点协作完成的,选择不同的转发节点,会对网络的信息传输产生不同的影响.对不同路由(洪泛路由、最短路径等)算法下的网络自适应拥塞控制进行了分析,研究了不同路由算法下的网络性能和拥塞控制效果.根据节点跳数与缓存占用的关系,提出一种基于节点跳数和缓存占用的性能函数的改进最短路径算法,算法选取使性能函数值最小的节点作为转发节点.最后,通过实验比较了最短路径算法与改进路由算法的网络性能,发现改进路由算法相比最短路径算法,具有较好的网络性能和服务质量.     

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.     

基于T-S模糊观测器的网络拥塞控制算法

针对TCP(传输控制协议)网络的拥塞控制问题,设计了基于模糊观测器的主动队列管理算法.对非线性TCP/IP网络拥塞控制系统建立了T-S模糊模型,通过选取适当的模糊规则和隶属函数来提高拥塞控制系统的性能,并给出了理论性证明.仿真结果表明所设计的控制器对活动的TCP连接数、链路带宽及往返时延的不确定性具有很强的稳定性和鲁棒性.     

TOP／IP拥塞控制的典型算法分析

互联网的拥塞控制问题一直是网络研究的一个热点,吸引了多方面的专家学者对其进行研究,并已经取得了大量研究成果。本文中着重阐述了TCP拥塞控制和IP拥塞控制中的几种典型算法,并指出了这些算法的优缺点,最后分析了当前拥塞控制算法设计过程中存在的不足,并指出拥塞控制算法的进一步研究方向。     

IP网拥塞控制RED算法研究

随着IP网规模的扩大，Internet用户和应用在快速增长，网络拥塞已经成为一个十分重要的问题．为了减轻当前IP网的阻塞现象，主干网路由器必须采取有效地策略来避免和控制网络拥塞，从而保证整个网络的稳定性．讨论分析了拥塞避免／控制RED算法及各种改进技术，比较了它们的优缺点，提出了将队列的平均占有率作为决定拥塞避免机制是否应该被触发的随机函数的参数设置问题．最后通过仿真实验给出了即时队列与平均队列跟踪图．     

TCP/IP拥塞控制的典型算法分析

互联网的拥塞控制问题一直是网络研究的一个热点,吸引了多方面的专家学者对其进行研究,并已经取得了大量研究成果。本文中着重阐述了TCP拥塞控制和IP拥塞控制中的几种典型算法,并指出了这些算法的优缺点,最后分析了当前拥塞控制算法设计过程中存在的不足,并指出拥塞控制算法的进一步研究方向。     

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.     

一种改进的WSN拥塞检测和控制机制

提出了WSN中基于多路径转发的拥塞检测和控制算法.拥塞检测算法是在原有算法的基础上进行了改进,并根据队列长度来判断是否出现了拥塞,拥塞控制是由每个源节点维持的预期数据包加载速率进行控制.仿真实验结果表明,本文给出的拥塞检测和控制算法在队列、吞吐量、数据包转发率等方面具有较好的网络性能.     

基于模型预测控制的快速路网匝道调节方法

探索了基于模型预测控制(MPC)的匝道调节方法.提出了匝道MPC调节的非线性动态时间离散最优控制模型及其解法.最优控制模型采用动态网络交通流模型作为过程模型,采用遗传算法求解.考察了匝道MPC调节的效果和鲁棒性,并将其效果与经典的ALINEA匝道调节方法相比.针对三起点三终点快速路网的仿真案例显示,匝道MPC调节能明显缓解拥堵,改善路网总体运行效率,较之ALINEA调节能够更连续平稳地调节交通流,在存在预测误差的情况下控制效果依然很好,其路网总耗时改善率明显高于ALINEA调节,具有很好的鲁棒性和应用前景.     

改进的预测控制算法用于加热炉支管温度控制

加热炉支管温度平衡系统是一个多变量、非线性、强耦合的复杂过程,当应用传统预测控制方法时,控制量的获得需要在线求解一个多变量、多约束的非线性规划问题,传统非线性规划方法求解该类问题时易收敛到非法解或局部极小。针对上述问题提出一种基于差分进化(differential evolution,DE)算法的预测控制,使用DE算法在线求解涉及的优化问题获得控制量。为了验证方法的有效性,对基于DE算法的预测控制器进行了仿真研究。仿真结果表明,所提出的方法有着很好的跟踪性能,并且对干扰有较强的鲁棒性,提高了系统的控制效果。     

流媒体传输的模糊自适应预测拥塞控制

为保证网络流媒体传输质量,在流媒体的传输中多采用有效的拥塞控制策略.本文给出了一种更有效的流媒体传输的拥塞控制算法.基于模糊算法给出了模拟的网络传输模型,采用能克服较大传输延时的预测控制解决缓存器的排队预报问题,采用自适应控制算法解决缓存器溢出问题.多种算法有机组合,解决了通过网络的流媒体传输.     

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．     

网络系统的不确定自适应滑模控制

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。考虑到网络系统不确定性上界很难获得,根据改进的李亚普诺夫函数,提出了一种简单的自适应律以适应系统的不确定的上界,并根据此自适应律设计了一个滑模控制器。所设计的控制器既保证了滑动模态的存在和系统的渐进稳定性,又较好的抑制了系统不确定带来的影响。仿真结果表明该方法的有效性。     

多层网TCP-RED非线性流体模型的高效网络拥塞控制

提出了一种多层网络拥塞控制方法,该方法基于流体模型的微分方程设计多层网络拥塞控制.此外,该方法利用流体模型的稳定性保证网络性能参数的均值在多层网络环境及大数据流的情况下向平衡点收敛,同时也有效限制了AOM参数的设置.理论分析和仿真结果证明了这种网络拥塞控制方法能在多层网络中避免拥塞,并当网络出现大数据流时,该多层AQM系统能充分利用网络带宽及保持路由器队列长度的相对稳定.     

输入受限的非线性网络系统全局滑模控制

针对动态TCP网络的拥塞问题,在输入受限情况下,基于全局滑模控制理论设计了一种主动队列管理(AQM)算法.该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性.对于TCP/IP网络中存在的网络模型的不确定、网络参数的时变性以及非TCP适应流所引起的网络振动,该算法可以获得良好的暂态和稳态响应.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,该算法优于传统的PI控制和滑模控制.     

Congestion Control Algorithm for Resilient Packet Ring

A congestion control algorithm is proposed for resilient packet ring (RPR) in this paper. In this algorithm, nonlinear explicit rate feedback control is used to ensure fast convergence and smooth equilibrium behavior. The algorithm combines explicit rate control with a deficit round robin (DRR) scheduler, which not only ensures fairness, but also avoids the implementation difficulties of explicit rate control algorithms. The algorithm has good features of fairness, fast convergence, smooth equilibrium, low queue depth, and easy implementation. It is insensitive to the loss of congestion control packets and can adapt to a wide range of link rates and network scales. It has solved the unbalanced traffic problem of spatial reuse protocol (SRP). The algorithm can be implemented on the multi-access control layer of RPR nodes to ensure fair and efficient access of the best-effort traffic.