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。