一种精确度加强的主动队列管理算法PEBLUE

主动队列管理是IP拥塞控制的一种重要机制，BLUE算法作为一种典型的主动队列管理算法，使用丢包和连接空闲；件来控制拥塞，但是其性能还不稳定．本文对BI。UE算法进行了改进，提出了一种精确度加强的主动队列管理算法—PE-BLUE（Precision Enhanced BLUE），它能自适应地调整其参数．仿真表明PEBLUE能够进一步提高对队列的控制精确度，改善BLUE算法的性能．     

DiffServ网络的拥塞控制策略

本文首先分析了区分服务网络体系结构模型,然后讨论了基于队列长度的各种拥塞控制算法,并分析了一种新的主动队列管理算法BLUE,同时为区分服务网络的拥塞控制指出了进一步研究的方向,即:在DiffServ域的入口和出口节点之间增加控制分组,并选择合适的QoS参数来标记控制分组.     

一种支持优先级标记处理的主动队列管理机制

随着Internet流量的日益增加,依赖平均队列长度管理拥塞控制的RED(random early detection)队列管理算法有其内在的缺点,即使结合IETF(Internet engineering task force)明确的拥塞通知ECN(explicit congestion notification)也不能有效地阻止包丢失.在分析比较RED算法和BLUE算法的基础上,提出了一种加强的主动队列管理机制--EBLUE(enhanced BLUE),然后结合EBLUE研究了TCP的拥塞控制机制,     

基于动态阈值的拥塞控制算法研究

针对主动队列管理算法BLUE缺乏早期拥塞检测机制及其在参数设置方面存在不足, 提出了一种基于动态阈值的拥塞控制算法。算法从系统资源分配角度出发, 对缓冲资源进行合理有效分配, 根据缓冲空间的利用情况预测网络拥塞并动态调整控制阈值, 及时准确地调整丢包率。NS仿真实验表明, 该算法能有效减少BLUE算法存在的队列溢出或空闲, 能有效保持队列长度稳定, 提高链路利用率。     

基于加权公平的DiffServ服务质量模型的研究

针对在核心节点实现的主动队列管理（AQM）以预见和防止拥塞，并且能够较公平地分配带宽，介绍了一种加权公平的主动队列管理算法，提出一个基于公平性的拥塞控制机制，即将这种AQM算法部署在可提供QoS服务的区分服务模型中，最后介绍仿真过程并分析该模型的性能．     

改进的基于带宽估计的Ad Hoc网拥塞控制策略研究

为解决Ad Hoc网络中路由协议在通信过程中存在拥塞问题,提出了一种基于带宽估计的拥塞控制策略.该策略通过结合一阶低通数字滤波算法和算数平均值滤波算法,有效提高可用带宽估计的精确度;采用主动队列管理算法实施拥塞控制,实现对包的选择性丢弃策略,达到了较优的控制效果.实验结果表明,该算法在各项重要指标上都有较好性能.     

随机早期检测算法的研究与改进

主动队列管理是实现网络拥塞控制的重要技术,随机早期检测算法作为一个重要的主动队列管理机制,在一定程度上能够缓解网络拥塞。针对该算法的稳定性不足、平均队列长度不能完全反映网络拥塞状况等问题,给出一种改进算法,使它更有效地对网络拥塞进行控制。并通过仿真进行性能分析,以此证实该改进算法的有效性。     

几种网络拥塞控制算法比较分析

拥塞控制已成为当前网络研究的重点。为了适应实时数据流在网络中的高效传输,研究者提出了多种拥塞控制和队列管理算法,并不断改进,以期能更有效地降低丢包率、提高链路利用率、防止拥塞崩溃。通过比较TailDrop、RED、BLUE、SFB等几种算法的优缺点来说明拥塞控制算法的发展与改进,以便于应用人员在不同的网络环境中运用更合理的拥塞控制算法来优化网络传输性能。     

基于高层模糊变结构控制的主动队列管理算法

从控制论的角度出发,主动队列管理算法将IP层纳入到拥塞控制机制.该文根据TCP拥塞控制机制的线性化模型,利用线性化模型时延因子的多项式表达式,提出了基于高层模糊变结构控制主动队列管理算法,简化了控制器的设计.NS仿真结果显示本算法提高了拥塞控制的性能和鲁棒性,有效地补偿了时延因子对于控制性能的影响.     

一种改进的主动队列管理算法

主动队列管理是实现网络拥塞控制的重要技术,但是多数主动队列管理算法如随机早期检(RED)都存在对参数依赖性强的问题。针对RED算法中平均队列长度不能完全反映网络拥塞状况的问题,该文结合平均队列长度和网络的负载,提出一种改进的RED算法。该算法能根据网络负载的变化,自适应地调整丢包的概率,使它更符合网络的实际状况。通过仿真进行了性能分析,证明了算法的有效性。     

主动管理队列算法的研究

主动式队列管理技术作为端到端拥塞控制的增强机制,通过在网络中间节点有目的地丢弃分组来维持较小的队列长度和较高的链路利用率。通过对RED,ARED,BLUE和RLGD几种主动式队列管理算法的比较和分析,寻找出已有的主动式队列管理算法的不足,进而在人工智能理论的基础上,提出了一种新型的基于BP神经网络的主动式队列管理算法;给出了基于BP神经网络的主动式队列管理算法的设计思想和设计步骤,并对基于BP神经网络的主动式队列管理算法的收敛性进行了证明。     

基于模糊理论的主动队列管理算法——FBLUE

针对BLUE算法的队列长度增减迅猛、吞吐量波动大的缺陷,文中提出了一种改进算法——FBLUE。该算法在原有BLUE算法的基础上增加了门限机制,根据模糊理论使用平均队列长度来动态地调整丢包概率的变化步长。ns2仿真实验结果表明,FBLUE算法保持了BLUE算法丢包率低的优点,并在队列长度、带宽利用率上明显优于BLUE算法。     

基于粒子群优化的主动队列管理方法

针对网络拥塞现象,基于粒子群优化(PSO)提出了一种新的主动队列管理算法RQQM。该算法首先通过粒子群优化和变异算子来计算当前队列长度,并且基于到达速率和当前队列长度给出了丢包策略和丢包概率。最后,以实际数据将RQQM算法与基于速率的早期检测公平队列管理(RFED)算法和自适应主动队列管理(ABLUE)算法进行仿真实验,
发现丢包率受利用率和缓冲区影响较大;同时实验结果表明RQQM算法的公平性远远优于其他两种算法,其平均丢包率降低至12.21%。     

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。     

PIPIO：一个新的面向区分服务确保转发的主动队列管理算法

RIO是用于支持区分服务确保转发逐跳行为的主动队列管理算法，该算法是对RED算法的简单扩充。由于RED算法的性能对配置参数敏感，因此基于RED算法的RIO算法必然具有配置参数敏感的特点。PI算法是基于控制论的主动队列管理算法，具有队列长度抖动小的特点。PIP算法是PI算法的改进，比PI具有更快的收敛速度。本文基于PIP算法设计了一个新的主动队列管理算法PIPIO。该算法队列长度抖动小，同时能保护高优先级报文。