大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性．仿真结果表明,所提出的算法是可行而有效的。     

自适应卡尔曼滤波的主动队列管理算法

PID控制器通过微分环节加快了控制器的调节速度,但PID的参数是固定的,不能根据动态的网络自调整参数,故不能有效控制队列的稳定性。由于神经元网络有自适应性,提出了一种自适应卡尔曼滤波的主动队列管理算法(adaptive-KF-AQM)。它结合卡尔曼滤波和神经元网络方法,根据队列长度及其变化率来估计下一时刻的队列长度,使队列长度在期望值附近波动。仿真结果表明,该算法在队列稳定性、收敛速度、延时和链路利用率等方面都明显优于传统的PID算法。     

基于积分分离PI的主动队列管理算法

在目前的网络拥塞算法研究中,在IP层实现的主动队列管理（AQM）已经成为一个研究的热点。简要介绍了AQM算法的研究现状,具体分析了AQM中的PI算法,并利用积分分离技术改进了PI算法。与常规的PI算法相比,仿真结果表明：在一定范围内积分分离PI算法不但可以消除队列误差,保持队列的稳定,而且可以明显加快队列的收敛速度。     

一种自适应主动队列管理算法ABlue

Blue是一种典型的主动管理算法,但其队列和延时波动较大,尤其在连接数较大或连接数突然发生变化时容易造成队列溢出或空闲。为此,提出一种自适应主动队列管理算法——ABlue,利用平均队列长度预测拥塞,根据网络流量的变化动态计算标记概率,从而保持队列稳定、减小延时抖动并降低丢包率。仿真实验结果表明,相比Blue算法,ABlue算法具有较低的丢包率和较高的带宽利用率。     

基于单神经元自适应PI 控制器的主动队列管理算法

基于神经网络理论中的神经元模型与学习算法,设计了一种主动队列管理算法SNAPI（Single Neuronbased Adaptive PI controller）．控制器根据系统误差在线调整PI 控制器的控制参数,以适应动态变化的网络参数．运 用Nyquist 稳定判据给出了系统在平衡点附近的局部稳定条件．最后通过仿真检验了SNAPI,并比较了它与使用固 定控制参数的PI 算法的性能．     

多优先级主动队列管理算法研究

主动队列管理算法是区分服务模型能够实现IP服务质量的重要技术之一.针对区分服务现有主动队列算法中参数设置、时延抖动等不足之处,结合自适应RED算法(Adaptive RED),基于优先级和公平性的PFRIO算法(RIO based on Priority and Fair)和Gentle-RED三种算法的优点,提出了一种适合区分服务模型的自适应多优先级主动队列管理算法(Active Queue Management, AQM)-APRED-G.仿真结果表明,该算法不但保护了高优先级数据分组同时兼顾了低优先级数据分组,而且解决了参数设置敏感和时延稳定问题,也降低了平均分组丢失率.     

一种基于速率的PI主动队列管理机制

PI(proportional integral)主动队列管理机制是应用控制理论中的比例积分控制器设计的主动队列管理机制,其性能优于RED(random early detection)算法,能有效地消除稳态误差.但PI算法默认参数在目标队列长度较小情况下收敛速度较慢;而参数整定上的试凑法,无法同时保障系统的瞬态和稳态性能.研究拥塞产生的原因及其表现形式,提出一种基于报文到达速率的PI算法(Rate based Proportional and Integral,RPI).它根据报文到达速率和队列长度,即拥塞瞬间状况和持续状况计算出合适的丢弃率.通过NS2模拟表明,相对于PI,RPI具有更快的收敛速度和更小的队列抖动.     

基于时延抖动的主动队列管理算法

随着Internet的迅速发展,致使IP业务的快速增长和多样化,用户数量急剧增加,网络流量呈爆炸式增长,网络拥塞问题变得越来越严重,因此服务质量(QoS)成为了当今世界研究热点之一.为了能达到相对的QoS的性能指标,拥塞控制发挥着相当重要的作用,而主动式队列管理(Active Queue Management,AQM)机制又是实现拥塞控制的重要手段之一,AQM成为了IP网络拥塞控制研究领域中备受关注和深入研究的热点问题.文中在增强CHOKe算法的公平性上,提出一种新的基于时延抖动的AQM算法-CZ-CHOKe.路由器通过时延抖动和队列的平均队长检测网络拥塞,同时采用动态采样击中和自适应丢包技术.仿真结果表明,该算法能有效地保护响应流,提高非响应流的击中概率,提高其算法的公平性.     

基于内模控制的自适应主动队列管理算法

实际网络具有大时滞性和动态特性。针对大时滞特性,根据内模控制(IMC)和改进的TCP/AQM控制理论模型设计了一种适合于大延时网络环境的主动队列管理算法。而对于网络的动态特性,分析了网络参数的变化给算法带来的影响,并以此对算法参数进行在线修正,得到符合大时滞网络的自适应AQM算法。最后通过NS2仿真实验验证了设计的AQM算法的可靠性。     

基于网络状态参数估计的主动队列管理PI改进算法

作为一种重要的主动队列管理手段,PI控制器算法通过积分嚣的引入有效地消除了队列长度控制的稳态误差,在提高网络吞吐的同时缩短了排队时延.但是PI控制器不能根据网络状态变化而自动调整控制参数,故当网络流量变化时PI控制器的收敛速度很慢.基于TCP-AQM系统模型,对经过中间节点的活动连接数、平均往返时间和前向链路容量等3个参数进行估计.通过计算击中概率的倒数,估计出活动流数;通过计算单位时间的数据包数,估计出网络容量;通过往返时延、活动流数、网络容量以及丢包概率在稳态时的关系式,估算出平均往返时延.在此基础上,提出了对网络状态变化自适应调整控制参数改进的快速收敛PI算法——FCPI算法.仿真结果表明,该算法有效提高了算法的收敛速度,并且鲁棒性好,易于实现,适用于未来高速网络的路由器.     

一种链路负载自适应的主动队列管理算法

随机早检测(random early detection,简称RED)是IETF推荐部署的主动队列管理(active queue management,简称AQM)算法.RED存在参数难以配置、无法得到与流量无关的平均队长等问题.ARED(adaptive RED)是RED的自适应版本,它根据平均队长动态调节最大标记概率参数,从而得到稳定的平均队长.但ARED没有克服瞬时队列长度振荡问题,且在动态流量环境下性能明显降低.分析了ARED性能问题的原因,并提出了一种链路负载自适应的主动队列管理算法LARED(load adaptiveRED).LARED具有两个特点:自适应链路负载、快速响应队长变化.分析和仿真实验表明,与ARED等其他AQM算法相比,LARED在保持高链路利用率和低时延的同时可以得到稳定的瞬时队长,并且具有良好的响应性和鲁棒性.     

基于ARED的主动队列管理改进算法

随机早期检测（Random Early Detection,RED）是IETF推荐部署的主动队列管理（Active Queue Management,AQM）算法。 RED存在参数难以配置、无法适应动态网络环境的缺点。 ARED（ Adaptive RED）是RED的自适应版本,通过平均队列长度来动态调整最大丢弃概率,从而达到稳定平均队列长度的目的,但是存在瞬时队列长度振荡的问题。文中研究了拥塞控制中的主动队列管理,对ARED算法进行了改进,优化丢弃概率计算函数,提出TTS-ARED算法,实现在动态网络环境下队列长度的稳定以及丢包率降低。 NS2的仿真结果表明,TTS-ARED算法显著地降低了丢包率,队列长度稳定性比ARED算法更优越。     

一种DiffServ模型的主动队列管理算法FPRIO

面向QoS的DiffServ模型,在改进RIO-C算法的基础上,提出了一种新的主动队列管理算法——FPRIO。通过理论分析和仿真实验验证,证明该算法是一种适合于DiffServ模型的主动队列管理算法。     

一种基于组合型模糊控制的主动队列管理算法

计算机网络具有的复杂性和动态特性使传统控制理论难以进行主动队列管理（Active Queue Management, AQM）算法的设计和分析．本文在模糊集合和模糊系统理论的基础上设计了一个主动队列管理算法CF（Combination Fuzzy control）．其中模糊控制器I根据瞬时队列的长度和变化值计算控制量；模糊控制器II根据系统负载因子计算控制增益．通过选择模糊控制器参数，模糊控制系统与使用PI（Proportional Integral）控制器的系统具有相同的局部稳定性．最后通过仿真对CF、PI和单模糊控制器的性能进行了比较．     

高速网络主动队列管理算法

在高速网络中,HRED算法使高速TCP流、普通TCP流和UDP流实现公平共享带宽。HRED利用RED队列的包丢失历史来识别高带宽流,通过对高带宽流进行惩罚,使低带宽流获取更多的带宽。HRED具有良好的扩展性,不需要保持每一流的状态信息。基于NS2的模拟实验证实,HRED可以在高速网络中实现更好的RTT公平性,有效地解决了适应流和非适应流共享带宽的问题。     

P2I: 一种新的主动队列管理算法

研究了在主动队列管理算法中使用的PI控制器和Proportional控制器之间的优劣．通过引入积分因素,PI控制器可以有效地消除Proportional控制器中存在的“稳态误差”．但是,积分项的引入减慢了系统的反应速度．该文提出一个算法P^2I来解决这个问题．P^2I结合了Proportional控制器和PI控制器的优点．作者使用模拟的方法来验证P^2I的性能．试验结果表明,P^2I在反应速度方面优于PI控制器,同时保持了PI控制器的优点．文中还分析了网络流量特征对主动队列管理算法设计的影响．