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.     

主动队列管理中的自适应控制器

提出一种自适应的控制器以更好地实现通信网络中的拥塞控制.该控制器通过估计网络链路中的"流"数来自动调节其参数,在网络流量变化比较剧烈的情况下也能取得比原PI控制器更好的控制效果.仿真结果验证了此方法的有效性.     

Fuzzy variable structure algorithms for active queue management with delay compensation

Based on the linearized model of the TCP connections through the congested routers, this paper puts forward an active queue management algorithm （FVS-T）. The algorithm utilizes the fuzzy variable structure control algorithm with delay factor to compensate time varying round-trip times （RTT） and uncertainties with respect to the number of active TCP sessions. By analyzing the robustness and performance of the control scheme for the nonlinear TCP/AQM model, we show that the proposed design has good performance and robustness, which are central to the notion of AQM. Implementation issues were discussed and ns simulations were provided to validate the design and compare its performance to other peer schemes in different scenarios. The results show that the proposed design significantly outperforms the other congestion schemes in terms of packet loss ratio, throughput and buffer fluctuation.     

基于补偿模糊神经网络的RED变种算法

摘要:作为最著名的网络拥塞控制机制,随机早期检测(RandomEarly Detection,简称RED)算法由于其参数敏感性,无法在复杂多变的网络环境下保障良好的控制性能。为了改善RED敏感于参数的缺陷,增强算法的自适应性,文章将补偿模糊神经网络(compensatory fuzzy neural network,简称CFNN)引入拥塞控制算法的设计中,结合RED和CFNN,得到了基于CFNN的RED变种算法(RED based on CFNN,简称CFNNRED)。与传统的RED相比,CFNNRED的改进在于:配置神经元一定的模糊逻辑规则,迅速得到丢包率,增强算法的可操作性和可实现性;通过神经网络的自学习,增强算法的自适应性和鲁棒性。最后通过仿真证明,CFNNRED算法的自适应性增强,对队列的控制能力得到加强,队列更加平稳,网络能够提供更加稳定的服务质量保障。     

Ad hoc网络主动队列管理分析

针对无线网络特点,采用主动队列管理算法来控制无线瓶颈节点的队列长度,以期达到拥塞控制的目的.通过NS2仿真和对数据的分析比较,无线网络中间节点的拥塞控制是可行的,但并非所有的主动队列管理算法均适用于Ad hoe网络.与有线网络不同,RED算法不适用于Ad hoc网络的拥塞控制,其性能较去尾算法并无较大改善;REM算法在不同负栽下表现不同,随着负栽增加,其性能下降明显;PI算法在负栽变化时可以较好的控制Ad hoc节点队列长度.并将队列震荡控制在较小的范围.     

TCP-RED路由队列建模与分析

用NS2构建了TCP-RED系统（网络业务流是TCP包，以RED为AQM算法），以产生模拟Internet业务流的数据。基于机理分析与数据驱动相结合的思想，建立了Internet业务流的控制模型用于研究TCP-RED系统的动态特性。从RED的分段特性出发，从切换系统的角度分析了TCP-RED系统，发现网络流量的波动是由于RED的切换特性引起的。通过根轨迹法分析了此切换系统中子系统的稳定性。提出了一种在实际网络环境中调整RED来控制流量波动（甚至混沌）的方法。本文所得的RED参数调节法基于实际网络数据的分析，而不是只依赖经验或机理分析。NS2的仿真实验证实了它的有效性。     

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．     

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。     

一种对IP拥塞控制算法的改进方法

针对随机及早检测(RED)中存在的不稳定现象,提出了一种新颖的AQM算法LRC-RED,该模式具有快的响应速度、良好的鲁棒性以及高的链路利用率.LRC-RED是在RED,LossRadio,VRC,TCP/AQM等基础上提出的,它检查最近包的丢失率以及当前拥塞链路总速率,然后动态调整包的丢失概率以提高服务性能.为了验证算法的有效性,设计了一个有效的实验来检验.实验表明,该算法是可行的.     

具有时滞网络系统的滑模控制

针对TCP(传输控制协议)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.考虑到网络中同时具有状态时滞和输入时滞的线性TCP动态系统,首先利用特殊变换将原不确定时滞系统转化为无时滞系统.在新的坐标下,设计了一个最优的滑动模面,而且所选择的控制律能够有效抑制路由器中队列长度的振荡,实现准确的跟踪.仿真结果进一步证实了该控制策略的可行性.