基于跨层设计的MANET拥塞控制路由算法

移动无线自组网(MANET,Mobile Ad Hoc Network)是由无线移动节点所组成的具有任意和临时性网络拓扑的动态自组织网络系统,每个节点都可以作为主机和路由器使用。由于移动自组网的独特组织形式,固定网络和有中心无线网络的很多协议无法直接被它采用,因而需要设计专门适用于移动自组网的协议。其中,路由协议是自组网设计并研究的主要技术难点之一。对MANET中的经典AODV路由算法进行了改进,通过节点MAC层信息感知,表征出链路拥塞状态,同时将MAC层信息跨层共享,提出时延跳数积作为网络层路由判断和选择的依据,改善移动自组网传统路由协议遇到的拥塞问题,优化路由工作和网络性能。     

卫星通信网中TCP加速技术研究

当传统TCP协议应用于卫星网络时,面临各种问题,包括:卫星信道的高传输延时,较大的误码率,带宽不对称等.对卫星信道的特点对TCP性能的影响进行了分析,总结了当前在卫星网络中改善TCP性能的一些措施,并对一些改进的TCP拥塞控制策略进行了性能仿真.最后针对TCP加速技术的研究给出了建议.     

TFRC协议在多跳Ad hoc网络中的性能分析及改进

为了解TFRC(TCP-Friend ly Rate Control)协议在多跳Ad hoc网络中的性能,以便更好地在网络中部署TFRC协议,从协议设计角度对TFRC协议进行分析,得出了TFRC协议并不适合多跳Ad hoc网络环境的结论,这将限制TFRC协议在实际网络中的应用。针对TFRC协议在Ad hoc网络中存在的问题,提出TFRC-VLPN(TCP-Friend ly Rate Control-V irtual Loss PacketNotification)协议。与TFRC协议不同,TFRC-VLPN采用平均帧服务时延判断拥塞,并通过虚丢包指示(VLPN:V irtual Loss Packet Notification)报告拥塞。这两种技术很好地克服了TFRC的设计缺陷,很大程度上屏蔽了非拥塞丢包对连接吞吐率的影响,改善了TFRC在多跳Ad hoc网络中的性能。仿真结果表明,该协议的性能优于TFRC。     

Wavelength Reusability of Failure Protection Based on Rerouting in Wavelength-routed Optical Networks

This paper investigates the wavelength efficiency of failure protection based on rerouting in wave-length-routed optical networks. In order to study the impacts of different traffic pattern over the efficiency, a parameter, wavelength reusability ρ, is introduced as an evaluation criterion. Performance of different failure protection methods and the imfluence of different muting schemes over the performance are investigated. The muting and wavelength assignment problem involved in failure protection is formulated as integer linear programming problem, relevant heuristic optimization algorithms are also developed, numerical results are presented and discussed in detail.     

移动IPv6对拥塞控制算法的影响及改进

针对在IP(Internet Protocol)中引入对移动的支持,使得面向静止网络环境的TCP(Transport Control Protocol)协议中一些算法的性能趋于恶化,从而影响了移动IP环境中网络应用性能的问题,以拥塞控制算法在移动IP环境中的运行过程为例进行了分析,找出性能恶化的原因.在分析比较已有改进方法优劣的基础上,提出了在移动IPv6环境下,通过减少由于移动节点的切换而造成的数据包丢失的解决方案,详细地给出了主要实体(接入路由)的操作集合,成功地减少了由于移动节点的移动所引起的无谓的慢启动过程,比较好地解决了上述问题.     

TCP网络的拥塞预测控制策略研究

针对Internet网络系统的拥塞控制问题,提出了一种基于预测函数的拥塞控制策略。在离散化传输控制协议(TCP)动态拥塞窗口模型基础上,将IP网络转化为具有约束的预测控制,采用预测函数算法策略进行优化求解,使队列快速平稳地到达目标值。仿真结果表明该方法能够适应复杂的网络环境,控制品质优于RED算法和PID算法,具有较好的稳定性和鲁棒性,有效减少了网络不确定性带来的不利影响。     

命名数据网络中一种显式拥塞控制方法研究

针对命名数据网络中的数据拥塞控制问题,提出了一种基于即时调整兴趣包发送速率的显式拥塞控制方法.当网络发生拥塞时,通过计数器和整形队列对贪婪流的速率进行限制,并更新兴趣包中的拥塞信息域将其逐跳反馈给下游路由节点;通过数据包将拥塞信息反馈给内容请求者,内容请求者据此调整兴趣包发送速率.同时引入延时差值来对不同数据流进行优先...     

Diffserv AQM algorithm for edge and core routers

The existing active queue management (AQM) algorithm acts on subscribers and edge routers only, it does not support differentiate-serve (Diffserv) quality of service (QoS), while the existing diffserv QoS has not considered the link capacities between edge routers and connected core routers. When a core router in a two layers’ network experiences congestion, the connected edge routers have no ability to adjust their access data rates. Thus, it is difficult to achieve the congestion control for the large scale network with many edge routers and core routers. To solve these problems, two difffserve AQM algorithms are proposed for the congestion control of multilayer network. One diffserv AQM algorithm implements fair link capacities of edge routers, and the other one implements unequal link capacities of edge routers, but it requires the core routers to have multi-queues buffers and Diffserv AQM to support. The proposed algorithms achieve the network congestion control by operating AQM parameters on the conditions of proposed three theorems for core and edge routers. The dynamic simulation results demonstrate the proposed control algorithms for core and edge routers to be valid.     

拥塞控制中RTT估计方案的研究综述

拥塞控制中RTT的估计值是表征网络是否发生拥塞的重要参数之一,怎样准确估计RTT的值是当前网络拥塞控制中研究的一个热点。分析了当前国内外RTT估计方案的优缺点,指出了有关RTT在拥塞控制中的几个研究方向。     

基于反步设计法的非线性主动队列管理算法

针对网络拥塞问题提出了一种非线性主动队列管理(AQM)算法,设计了一种标注概率可以保证网络的最大传输速率和最小队列长度。通过比较引理和反步设计法设计了非线性输出反馈控制算法,并提出了控制参数的取值范围。在考虑实际网络中往返时间(RTT)与队列长度的函数关系的基础上提出了基于变RTT的非线性网络模型,并设计了新的TCP窗口大小观测器,证明了当标注概率取值范围为0~1时,TCP窗口观测误差渐近地收敛到0。仿真表明,该文基于反步设计法的非线性AQM算法在变化的网络环境下具有较好的鲁棒稳定性,实验中的链路利用率为95.41%,丢包率为0.287%。