一种基于模糊逻辑的主动队列管理算法

主动队列管理 (ActiveQueueManagement,AQM)技术作为Internet拥塞控制的一种有效方法 ,对于提高In ternet的服务质量具有十分重要的作用 .本文根据TCP拥塞控制算法基于数据包丢失的窗口变化机制 ,设计了一种基于模糊逻辑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情况 ,根据一定的模糊自校正原则来调整数据包的丢弃概率 ,从而使路由器中的队列长度稳定在参考值附近 .仿真结果表明该算法不但十分有效 ,而且对不同的网络状况具有很好的适应能力 .     

基于速率的主动队列管理算法的性能分析

主动队列管理是解决网络拥塞的主要措施。针对基于队列的主动队列管理算法的不足,提出了一种基于速率的新算法RAQM,该算法以数据到达速率与路由器最大服务速率的差值为指标计算丢包概率,能够快速地对网络流量的变化做出反应,该算法计算简单,而且只需要设置一个参数K。通过现代控制理论分析了RAQM/TCP系统的稳定性。仿真结果表明,RAQM能够维持较低的队列长度并保持队列的稳定,从而减小了分组端到端时延和时延抖动。最后讨论了参数K对算法性能的影响。     

一种基于动态阈值的主动队列管理算法

针对BLUE算法缺少早期拥塞检测机制,导致队列溢出或空闲现象频繁发生的问题,通过引进基于动态阈值算法的控制机制,借鉴RED算法所采用的早期拥塞检测机制,提出了DT-BLUE算法。仿真实验表明本文算法能保持队列长度的稳定性,有效降低队列空闲或溢出现象的发生,提高链路的利用率。     

QoS体系中的主动队列管理算法研究综述

随着Internet的迅速发展，服务质量(QoS)正成为当前研究的热点之一。为了达到QoS的性能指标，拥塞控制作为一个很重要的方面在发挥着作用。主动队列管理是实现拥塞控制的重要手段之一，长期以来一直受到广泛的关注，基于不同理论的各种主动队列管理的算法也随之涌现。这些队列管理算法在一定程度上完成网络拥塞控制的任务，但是也不同程度地在公平性、可扩展性以及算法的复杂度上存在缺陷。本文通过对目前几种主要队列管理算法的实现原理的分析，考察了这些队列管理算法的优点和其可能存在的一些问题，而这些可能存在的问题也是下一步研究的起点。     

一种加强的主动队列管理算法--EBLUE

作为一种典型的主动队列管理算法,BLUE明显不同于其它方法,它使用丢包和连接空闲事件来控制拥塞。试验表明BLUE的丢包率明显小于RED,但是其参数设置仍然存在一些不足之处。本文在BLUE算法的基础之上,通过引进自适应的思想对其进行了改进,提出了一种加强的BLUE队列算法——EBLUE。大量的仿真实验表明本文的改进算法能够进一步提高BLUE的性能。     

几种公平的主动队列管理算法的比较研究

主动队列管理是实现网络拥塞控制的一种重要技术,但是多数主动队列算法如RED等对于公平性的考虑不足.近年来,也出现了一些能提供一定的公平性支持的主动队列管理算法,本文对其中几个有代表性的算法进行了对比研究.包括对它们的理论分析,以及在ns2上的仿真实验,并且结合实验结果对算法中存在的问题及其原因进行了深入的分析.文中最后对这几种算法进行了综合的评价,并对算法的改进提出了一些建议,希望能为今后的工作提供一定的支持.     

一种基于预测PI控制器的自相似网络主动队列管理算法

近年研究发现网络中的业务量呈自相似特征,这种自相似特征显著影响网络的流量控制与排队性能,本文在自相似网络流量可预测的基础上,利用线性回归分析理论进行流量预测,并应用控制理论中的预测PI控制器原理设计了动态矩阵PI控制主动队列管理(Dynamic Matrix PI Control-Active Queue Management,简称DMPIC-AQM)算法,以克服队列的剧烈振荡,保持队列稳定在期望的长度.仿真实验结果表明,DMPIC-AQM算法在网络流量剧烈变化和小期望队列长度的情形下,DMPIC-AQM算法明显优于RED与PI算法.     

主动队列管理中的智能分组丢弃新机制

主动队列管理通过网络中间节点有控制的分组丢弃实现了较低的排队延时和较高的有效吞吐量,是TCP端到端拥塞控制近来研究的一个技术热点.已有的大多数算法在判定分组丢弃时大都沿袭了RED的概率丢弃机制,具有一定计算复杂度的随机数生成过程不利于路由器性能的优化.在本文中,我们首先定义了拥塞指数这一新的测度变量来量化描述网络的拥塞状态.接着,利用模糊逻辑设计了一种新的智能分组丢弃机制,离线的合成推理使得分组丢弃的判定仅需要简单的查表操作和比较运算即可完成,为优化路由器的性能提供了便利.数字仿真的结果表明:智能分组丢弃机制的性能优于经典的RED算法,控制队列的能力强,鲁棒性好,稳定工作域大,能很好地抵抗突发性和非弹性业务的干扰,适合工作在瞬息万变的动态网络环境中.     

主动队列管理算法的分类器实现

作为端到端拥塞控制的增强机制,主动队列管理(AQM)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.已有的大多数主动队列管理算法沿用了随机早期探测(RED)算法首创的概率丢弃机制.本质上,判决是否丢弃分组的过程是一个依赖于网络拥塞状态的决策过程,因此,概率决策不应该是唯一的方法.在本文的研究中,我们首先归纳了理想AQM算法所应具备的品质,然后应用模式识别中分类器的设计思想提出了一种新颖简洁的主动队列管理策略实现框架,并基于Fisher线性判别方法为AQM设计了一个两维两类分类器(TCC).仿真试验表明TCC有效、敏捷、鲁棒,扩展性好,同时实现简单,计算开销小,有利于高速路由器的性能优化.     

一种参数自适应的主动队列管理算法-自适应BLUE

BLUE算法是一种典型的主动队列管理(Active Queue Management,AQM)算法,研究表明BLUE算法优于RED算法.BLUE算法使用丢包事件和链路空闲事件控制网络拥塞.但由于BLUE算法在参数设置方面存在不足,尤其是当TCP连接数突然剧烈变动时,容易导致队列溢出或空闲的频繁发生.该文引进参数自适应机制,提出了自适应BLUE算法,并借鉴了RED算法的早期拥塞检测机制.NS仿真实验表明该算法能有效保持队列长度的稳定,减少队列溢出或空闲现象的发生,在提高链路利用率的同时降低丢包率.     

基于模糊神经网络的拥塞控制算法研究

本文介绍一种基于模糊神经网络的主动队列管理(AQM)算法,实现网络拥塞控制。利用神经网络来实现模糊推理,可自适应修正隶属函数的参数和加权系数,优化模糊逻辑控制器,从而达到某种性能指标的最优化。仿真结果表明,采用模糊神经网络进行流量速率预测的拥塞控制策略能够使缓冲器队列长度快速收敛到目标值,并且维持小的队列震荡。结果也表明该方法与传统的PD控制器相比具有更好的性能和鲁棒性。     

基于动态矩阵控制的主动队列管理算法

针对Internet系统,通过对流体流模型的分析,提出了一个新的预测模型.该模型形式简单,参数的计算相对容易,并且能根据当前的网络情况有效的预测拥塞窗口的变化.结合动态矩阵控制 (Dynamic Matrix Control,DMC) 理论,提出了一种新的主动队列管理算法——DMCAQM 算法,给出了DMCAQM 的详细设计过程,稳定性分析和参数选取原则.大量不同网络环境的仿真实验表明DMCAQM 算法是有效的.与PI、RaQ 和REM 等算法相比较,DMCAQM 有收敛速度快、队列抖动小的优点.同时,由于DMCAQM 的采样间隔相对较大,而算法实现简单,所以计算量小,占用的路由器资源更少.     

一种顽健的自校正主动队列管理机制

现有基于控制理论的主动队列管理机制（AQM）大多数是根据简化的线性被控对象模型设计的,或者根据特定的网络条件设置算法的参数,当网络条件大范围变化时算法的性能难以保证.为了解决这些问题,提出了一种自校正的主动队列管理机制STR,通过在线估计TCP/AQM闭环系统被控对象模型的参数,并相应地调节报文丢弃概率,使路由器的缓冲区队列长度与期望值之间的方差最小.通过仿真实验验证了当网络条件大范围变化时算法的队列长度、链路利用率、报文丢弃率等性能,实验结果表明该算法具有良好的顽健性.     

一种基于速率和队列长度的主动队列管理机制

本文研究了拥塞产生的原因及其表现形式,提出了一种基于报文到达速率和队列长度的随机早丢弃算法(RQ).根据拥塞的严重程度和变化趋势将拥塞划分为六个级别,每个级别采用合适的丢弃概率,从而将队列控制在理想工作点附近.利用经典控制理论,分析了系统的稳定性,给出了参数配置的原则.最后,用NS网络仿真器对算法性能进行了验证.     

无线误码信道上的拥塞控制策略

主要讨论了无线网络拥塞控制的问题，基于将网络层和传输层策略相结合的思想，一方面在网络层，根据控制论中的不完全微分PID控制器思想设计了一种主动队列管理算法PID—AQM；另一方面，利用TCPW协议作为传输层策略，讨论了将二者相结合在无线网络中的拥塞控制性能。仿真结果表明，两种策略的结合大大提高了无线网络的传输效率。     

基于动态输出反馈控制的主动队列管理算法

 针对网络拥塞控制的不确定时滞特性,提出了一种基于动态输出反馈控制(DOFC)的主动队列管理(AQM)算法.建立了TCP/AQM系统的时滞有界模型,给出了判定闭环AQM系统稳定的充分性条件,以及基于线性矩阵不等式的动态输出反馈控制器参数设计方法.仿真结果表明,该算法在大时滞的网络环境中,能迅速地将队列长度收敛到目标长度附近,且在特征参数变化的网络环境中具有较强的鲁棒性.     

一种基于神经网络的主动队列管理算法

传统的主动队列管理算法在设置参数时,存在算法和具体的网络有关参数设置对网络的稳定性和动态性能影响较大的问题.文中介绍了一种采用单神经元动态调整PID参数的ANNPID算法,解决了PID算法参数设置的问题,通过仿真实验,结果验证了该方法的鲁棒性优于传统的队列管理算法.     

一种时滞网络自适应主动队列管理算法研究

主动队列管理(AQM)算法的自适应能力和克服滞后性不良影响的能力是该文研究的重点。在分析AQM采用传统PID存在的问题的基础上,提出了一种时滞网络的自适应主动队列管理(FAGPID)算法。由模糊控制器实现PID参数对动态网络环境的在线自适应调整;成功引入灰预测算法实现反馈数据的超前预测,补偿滞后。仿真对比AQM环境中FAGPID,传统PID以及基于模糊免疫PID(FIGPID)的算法,可知FAGPID相对于FIGPID复杂度低,但FAGPID与FIGPID性能相当,均能克服滞后的影响,能快速稳定地适应动态网络环境,收敛于期望队列长度,具有较小的丢包率,优于传统PID算法。     

主动队列管理中的PID控制器

作为对终端系统上拥塞控制的一种补充,中间节点上的主动队列管理(AQM)策略在保证较高吞吐量的基础上有效地控制队列长度,从而实现了控制端到端的时延,保证QoS的目的。C.Hollot等人(2001)用经典控制理论中频域校正的方法设计了用于AQM的PI控制器,但参数整定上的试凑方法不免代有盲目性;算法的瞬态性能指标也不够理想。为此,该文引入了微分环节来增强系统的响应能力,同时给出了基于稳定裕度的参数整定方法,使PID控制器的稳定性有了绝对保障。仿真试验表明PID算法的调节时间远远短于PI控制器,从而为在负载瞬息万变的网络环境中实现控制分组排队等待时间的目标提供了有力的技术保障。     

基于极点配置的增强自适应虚拟队列管理算法

针对动态网络主动队列管理算法中控制参数设置难题,提出了一种增强自适应虚拟队列管理新算法（EPAVQ）。