网络自相似流量预测及拥塞控制研究

在研究自相似网络流量Hurst参数与相关长度之间的定量关系基础上,提出了基于小波变换的自回归预测的网络端到端流量预测方法,并利用预测值改进TCP拥塞控制算法.理论分析和仿真结果表明,基于小波变换的预测方法在网络流量预测方面比传统的时域方法有更高的精度.改进的拥塞控制算法在无线/有线混合网络环境中,相对于TCPW和Reno具有明显的性能改善.     

无尺度网络中的拥塞及其控制

实际网络经常承受超负荷的流量，由于网络节点自身容量或者处理速度的限制，往往导致严重的拥塞产生，使得网络具有较大的时延并且性能下降．已有研究表明，实际的通信网络具有无尺度特征．本文研究了无尺度网络模型中的拥塞现象及其控制方法，结果表明网络节点的性质和网络的无尺度特性均对拥塞现象的产生和控制有显著影响．因此，仅需要对一些最关键的节点加以控制作用，就可以得到类似控制所有节点所产生的控制效果，从而节约花费．     

基于DRNN的ATM网络拥塞控制及仿真

提出一种在用户－网络接口处利用对角递归神经网络（ＤＲＮＮ）作为自适应预测器,实现ＡＴＭ网络自适应拥塞控制的模型。当ＤＲＮＮ预测下一时刻缓冲区中的信元数超过阈值时,控制器产生一个反馈控制信号减小信源进入网络的信元速率以避免拥塞发生。用语音和图象信源所作的仿真本文提出的模型较基于常规前馈网络的模型具有系统结构简单、控制效果好、实时性好等优点。     

网络拥塞的智能化适应控制方法

在对拥塞及网络拥塞控制分析的基础上,将人工智能引入到拥塞控制中,提出了网络拥塞的智能化适应控制方法。给出了网络流量速度指标定义,及实现网络拥塞的智能化适应控制结构模式,对网络拥塞的智能化适应控制策略及其实现进行了研究和分析,为实现网络拥塞控制提供了一种新的途径。     

无线多跳网络中基于QoS的自适应拥塞控制方案

提出的无线多跳网络中基于服务质量(QoS:Quality of service)的自适应拥塞控制方案是从两个方面实现拥塞控制和QoS保证的.一方面,通过控制路由请求过程,为实时业务选择时延较短的路由,为非实时业务选择时延较长的路由来控制拥塞并保证QoS.另一方面,按照QoS等级减小邻居结点的转发业务来增加拥塞结点占用信道的概率,从而消除拥塞并保证QoS.该方案的特点在于综合考虑了拥塞控制和QoS保证,能在控制拥塞的过程中提高服务的QoS质量.论文建立了路由发现成功率、端到端时延和丢包率的性能分析模型,并对提出的方案进行了性能分析.性能分析和仿真结果表明我们提出的方案能够有效的控制拥塞,并保证实时业务的QoS.     

基于流量加权Betweenness提高网络容量的方法

在节点的发包速率和转发包速率都和节点度相关的流量模型中,研究了在基于跳数的最短路径路由策略下网络的容量问题.将Betweenness的概念进行了扩展,提出流量加权Betweenness的概念,使之更准确地描述在每个节点的发包速率各不相同的情况下节点可能承载的流量.并据此推导出适合于该流量模型的网络容量计算公式,同时指出在基于BA算法构造的scale-free网络中,在流量加权Betweenness值处在前5%至10%和前10%至15%的节点间加边的方法能显著提高容量.最后,通过仿真实验验证了该公式的正确性和该方法的有效性.     

基于H∞控制方法的多链路网络拥塞控制

研究了一类基于主动队列管理(active queue management,AQM)路由器的多链路网络拥塞控制问题.用一个状态空间模型来描述多链路网络流量的动态特性,并将实际链路带宽相对于期望带宽的偏差作为干扰信号,从而用H_∞控制方法来解决网络拥塞问题.在链路带宽变化的情况下,通过丢包率来控制实际窗口大小及队列长度,使得实际窗口大小和队列长度达到期望值,从而达到降低网络拥塞的目的.最后通过两个仿真示例验证了方法的有效性.     

基于模型跟随的神经网络非线性重构控制

针对歼击机在结构故障下的动力学方程 ,提出了一种基于径向基函数 (RBF)神经网络的模型跟随非线性重构控制策略。该方法不必精确已知系统故障的位置及其损伤程度 ,可直接对故障系统实施重构控制 ,使其输出能精确跟踪期望参考模型的输出。该方法在模型跟随重构控制的基础上 ,引入了神经网络控制器 ,以补偿故障引起的非线性因素的影响。理论分析和仿真验证表明 ,所提方法可保证闭环系统具有良好的重构性能和很强的鲁棒性 ,且算法高效简单 ,易于计算机在线控制。     

基于加权路由策略的复杂网络拥塞控制研究

复杂网络的最短路由策略易导致网络吞吐量低,流量分布不均,在关键节点处产生拥塞.本文提出一种基于加权路由策略的拥塞控制机制,用节点的介数作为节点边的权重,将网络变成加权网络,数据包按加权网络最短路径路由.介数的计算采用基于区域中心节点近似估算法,降低了介数计算的复杂度.仿真结果表明,加权路由策略能有效避开拥塞程度严重的节点,克服了介数较大节点成为网络传输瓶颈的问题,显著改善了网络的拥塞情况,提高了网络的吞吐量和传输能力.     

一种基于自适应小波网络的非线性控制设计

针对含有未建模动态的非线性系统,结合非线性动态逆和小波网络提出了一种新的非线性控制方法。根据小波网络的逼近特性,利用具有在线学习能力的单隐层小波网络来补偿动态逆的误差,建立了基于自适应小波网络的控制结构,用李雅普洛夫函数导出了小波网络权值的自适应调整規则。通过自适应调节,使控制系统能对受控对象及时地作出反应。最后分析了小波网络的结构和输入。     

Neural network based adaptive sliding mode control of uncertain nonlinear systems

The purpose of this paper is the design of neural network-based adaptive sliding mode controller for uncertain unknown nonlinear systems. A special architecture adaptive neural network, with hyperbolic tangent activation functions, is used to emulate the equivalent and switching control terms of the classic sliding mode control (SMC). Lyapunov stability theory is used to guarantee a uniform ultimate boundedness property for the tracking error, as well as of all other signals in the closed loop. In addition to keeping the stability and robustness properties of the SMC, the neural network-based adaptive sliding mode controller exhibits perfect rejection of faults arising during the system operating. Simulation studies are used to illustrate and clarify the theoretical results.     

Stability condition of FAST TCP in high speed network Oil the basis of control theory

Considering the instability of data transferred existing in high speed network.a near method is proposed for improving the stability using control theory.Under this method,the mathematical model of such a network is established.Stability condition is derived from the mathematical model.Several sivaulation experiments are performed.The results show that the method can increase the stability of data transferred in terms of the congestion window,queue size,and sending rate of the source.     

基于谱方法的城市交通信号控制网络小区划分方法

城市交通信号控制系统交通小区划分问题是一个多目标、多约束的NP难题.利用谱方法以相邻交叉口的关联性作为划分依据,提出平分法、按均值划分及按距离划分三种自动划分方法.并提出两个衡量小区划分质量的标准:平均切割权重和模块性,最后分别以计算机生成网络和广州市交通网络为对象,对三种划分进行验证.结果表明谱方法是交通信号控制网络小区划分的有效方法,且三种方法中按均值进行划分的总体效果较好,可以作为交通信号控制网络小区划分的推荐方法.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

Stability condition of FAST TCP in high speed network on the basis of control theory

Considering the instability of data transferred existing in high speed network, a new method is proposed for improving the stability using control theory. Under this method, the mathematical model of such a network is established. Stability condition is derived from the mathematical model. Several simulation experiments are performed. The results show that the method can increase the stability of data transferred in terms of the congestion window, queue size, and sending rate of the source.     

预则型动态交通网络配流模型

提出卫种预测型动态交通网络配流模型,利用最优控制理论和最优化原理推出了模型最优解存在的条件,并给出最优解的经济解释,体现模型体现了道路使用者对路树的预测依赖于先进的交通信息系统和决策者的理发预测的特点,它与实际情况更为接近。     

基于RNPI的动态时滞网络主动队列管理算法

针对网络存在较大时滞和网络参数动态变化等问题,提出了一种鲁棒非线性PI主动队列管理算法。由流体流模型将动态网络推导为参数区间不确定一阶时滞系统,在确定使闭环系统稳定的非线性PI控制参数集合基础上,利用遗传算法寻找基于改进ITAE指标最优的PI控制参数。基于扩展到时滞系统的棱边定理,给出了RNPI算法的设计方法。仿真结果表明了该方法具有良好的控制性能,对网络区间不确定参数有较好的鲁棒性。     

新型神经网络模型参考自适应控制系统设计

针对任意复杂非线性系统，即控制器具有不可分离结构的离散非线性系统，提出新型神经网络模型参考自适应控制。该方案的提出简化了基于神经网络的模型参考自适应控制系统的设计，只需一个神经网络辨识器。统一了任意神经网络模型参考自适应控制的设计方法，更接近于工程实际。仿真结果证明了该方案的合理性和有效性。