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。     

基于区分服务的主动队列管理算法研究

分析了几种主动队列管理算法。RIO算法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,它是对RED算法的简单扩充,但是该算法的性能对配置参数敏感。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算法具有更快的收敛速度。为了更好地满足AF PHB的要求,基于PIP算法,结合三色标记器的功能,提出一个新的主动队列管理算法PIPGYR（PIP with Green ＆ Yellow ＆ Red）。通过仿真验证,该算法队列长度抖动小,同时能够保护高优先级分组。     

自适应PI主动队列管理算法

主动队列管理是一个非常活跃的研究领域,相对于丢尾算法,AQM(active queue management)能够提供更短的平均队列延迟和更高的带宽利用率.虽然PI(proporrional integral)主动队列管理算法的性能优于RED(random early detection)算法,但是PI算法的收敛速度比较慢.以PI算法为基础提出了一种自适应PI算法API(adaptive proportional integral).API通过实时测量链路的报文丢失率,获得当前的负载信息,然后动态设置PI算法中的有关参数.通过ns-2模拟表明,相对于PI及其改进算法PIP(proportional integral based series compensation and position feedback compensation),API具有更快的收敛速度和更小的队列抖动.     

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.     

一种模糊自适应虚拟队列管理算法

随着网络流量的剧增,主动队列管理是近来端到端拥塞控制研究中的一个研究热点。为了解决队列拥塞、高效利用队列资源和减少队列抖动等队列管理问题,采用模糊控制模块计算分组丢弃概率,减少了由于"硬判断"所造成的队列抖动问题;同时在算法中引入期望队列长度来显式控制并稳定队列长度,提高了队列资源利用率。最后通过在NS2平台上仿真三种不同的业务流量对该算法进行实验测试,结果表明,算法在一定程度上解决了PI算法队列抖动大和AVQ算法队列资源使用率低的问题,具有一定的可行性和应用价值。     

一种新的网络拥塞控制算法API-V

针对PI控制器响应速度的不足，提出一种自适应网络动态变化的主动队列管理算法：API-V控制器．在PI控制器的基础上，根据瞬时队列长度增加速度控制，根据实时测量链路的数据包丢失率获得当前的负载信息，动态调整PI算法中的有关参数．理论分析和仿真结果表明，相对于PI控制器及其改进算法，API-V控制器具有更快的响应速度、收敛速度和更小的队列抖动，并且提高了缓冲区的利用率．     

基于微分先行PI的主动队列管理算法

主动队列管理(AQM)作为一种重要的IP层拥塞控制策略，对于提高Internet的服务质量起到了关键性的作用。简要介绍了AQM算法的研究现状和AQM中的PI算法，依据TCP拥塞控制策略基于数据包丢弃的窗口变化机制，设计了一种基于微分先行PI的主动队列管理算法，该算法依据路由器中队列长度的变化采用一定的微分校正原则，实时调整进入该路由器数据包的丢弃概率，使路由器中的队列长度能够稳定在参考值附近。仿真结果表明，该算法与PI算法相比具有更小的超调量，可以明显的加快收敛的速度，从而使Internet的服务质量有更大程度的提高。     

GPID:变速PID主动队列管理算法

主动队列管理(Active Queue Management,简称AQM)是网络拥塞控制领域的一个热点.针对主动队列管理中PID算法超调量大,抖动大的问题,提出一种GPID(Gearshift PID)的拥塞控制算法.该算法特点是:积分作用大小跟随瞬时队列长度的偏差大小变动而变动,队列长度的偏差越大,则积分系数值越小,收敛速度越慢,超调量越大;反之,偏差越小,积分系数值越大,收敛速度越快,超调量越大.该算法可以有效的控制队列长度的偏差变化,调节瞬时队列长度趋于队列期望值收敛.仿真实验结果表明,该算法收敛速度快,链路利用率高,平均队列长度更趋于期望值.     

基于速度控制的API网络拥塞控制策略

本文针对PI控制器响应速度方面的不足，提出了一种自适应网络动态变化新的主动队列管理算法--API-V控制器。在PI控制器的基础上，根据瞬时队列长度，增加速度控制；根据实时测量链路的数据包丢失率，获得当前的负载信息，动态调整PI算法中的有关参数。理论分析和仿真表明，API-V控制器相对于PI控制器及其改进算法，不仅具有更快响应速度和收敛速度、更小的队列抖动，而且提高了缓冲区的利用率。     

基于再励学习的主动队列管理算法

从最优决策的角度出发,将人工智能中的再励学习方法引入主动队列管理的研究中,提出了一种基于再励学习的主动队列管理算法RLGD(reinforcement learning gradient-descent).RLGD以速率匹配和队列稳定为优化目标,根据网络状态自适应地调节更新步长,使得队列长度能够很快收敛到目标值,并且抖动很小.此外,RLGD不需要知道源端的速率调整算法,因而具有很好的可扩展性.通过不同网络环境下的仿真显示,RLGD与REM,PI等AQM算法相比,具有更好的性能和鲁棒性.