网络拥塞控制算法综述

随着计算机网络的持续快速发展,各种网络应用需求不断涌现,造成网络数据流量的激增。网络拥塞问题变得越来越严重,网络拥塞控制也一直是网络研究的最关键热点问题之一。在本文中,作者着重阐述了TCP拥塞控制和IP拥塞控制中的典型算法以及目前一些较有影响的拥塞控制算法,并指出了这些算法的优缺点。最后分析了当前拥塞控制算法设计过程中存在的不足,并给出了一个有意义的研究方向。     

基于多路径的无线传感器网络拥塞控制算法

针对无线传感器网络的拥塞问题,提出了一种多路径拥塞控制算法。对于网络拥塞采用精度度量检测拥塞,以多路径的方式进行数据传输,避免拥塞,并采用多路径的方式,有效分散产生的拥塞。节点正常工作,保证采样数据的实时性和正确性。     

基于观测器的网络拥塞控制算法

针对动态网络的拥塞问题,设计一种基于观测器的鲁棒主动队列管理控制算法。该算法保证输入受限情况下时变时滞不确定网络系统的渐近稳定。通过Lyapunov稳定性分析,利用线性矩阵不等式技术研究基于观测器的鲁棒控制器的存在条件以及设计方法。仿真结果表明,该算法可以使路由器中的队列长度快速收敛到目标值,同时保持较小的队列振荡。特别在网络条件变化及出现突发流的情况下,该控制器仍能具有良好的鲁棒特性。     

基于精确模型的网络拥塞控制算法

针对基于流体流理论提出的网络模型在推导过程中的一些近似使得该模型对网络行为描述的不精确问题，提出了网络流量的精确模型，并且基于该模型把一种新的PID及类PID设计方法用于主动队列管理(AQM)控制器的设计，利用约束化的数值优化方法寻找控制器参数。理论分析和仿真实验表明，该控制算法的综合性能优于PI算法。     

TCP拥塞控制算法

针对广泛应用的TCP Reno慢启动算法与拥塞避免算法的问题,在研究分析TCP Reno拥塞控制算法的基础上,提出一种新的拥塞控制算法——在慢启动阶段采用线性增长算法,而在拥塞避免阶段采用基于拥塞窗口的对数增长算法,从而一定程度上解决了TCPReno慢启动不公平问题与拥塞避免阶段拥塞窗口增长过于激进的问题。通过NS仿真实验说明了新算法的可行性,并对其吞吐量、公平性、友好性进行评估,仿真结果表明了该改进的TCP拥塞控制算法的有效性。     

基于无线传感器网络的拥塞控制算法的研究与比较

无线传感器网络（WSN）多对一的通信使得网络中的拥塞成为亟待解决的问题。首先介绍了传统有线网络中的拥塞控制策略不适用于WSN的原因,在此基础上详细阐述了近期WSN中拥塞控制算法的研究成果,并给出了比较和分析。     

基于禁忌遗传优化的网络拥塞控制算法

为解决网络拥塞问题,提出一种基于禁忌遗传优化的网络拥塞控制算法TSGA。该算法将禁忌搜索和遗传算法相结合,以网络资源消耗最小化和网络负载均衡分布为目标,建立多约束QoS路由优化数学模型。仿真实验结果证明,该算法可实现网络拥塞控制,有效提高网络性能。     

大时滞网络中的拥塞控制算法

主动队列管理(AQM)通过网络中间节点有目的的分组丢弃实现了较低的排队延时和较高的有效吞吐量,是近年来TCP端到端拥塞控制的一个研究热点.已有的大多数AQM算法在设计过程中都没有充分考虑到大时滞对算法性能的影响.首先通过仿真试验证实了已有的几种典型算法控制的队列在大时滞网络中无一例外地出现了剧烈的振荡,导致瓶颈链路利用率下降和延时抖动加剧.为此,在进行了适当模型拟合处理的基础上,应用控制理论中的内模补偿原理设计了鲁棒的延时补偿主动队列管理(delay compensation-active queue management,简称DC-AQM)算法,克服了大时滞给队列稳定性造成的不利影响.仿真实验结果表明,新算法在大时滞小期望队列长度的网络配置中表现出的综合性能明显优于已有的算法,链路利用率是其他算法的3～4倍.     

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。     

互联网拥塞控制算法研究

随着Internet的迅速发展,网络规模、用户数量及业务量呈现爆炸式增长,由此引发的网络拥塞已经成为制约网络发展和应用的瓶颈问题。有效解决拥塞对于提高网络性能具有重要意义,如何更好的预防和控制拥塞成为近年来网络研究领域的重要问题。该文介绍了现有的拥塞控制算法,并分析了进一步的研究方向。     

基于神经网络监督控制的拥塞控制算法研究

提出了一个基于神经网络控制的主动队列管理（AQM）算法;研究了TCP/AQM拥塞控制系统的可逆性,并利用一种神经网络监督控制结构进行了AQM算法的设计。算法由一个三层前馈结构的神经网络控制器（neural network controller,NNC）和一个反馈控制器（feedback controller,FC）组成。NNC作为一个前馈控制器,通过FC产生的教师信号进行学习,以建立被控对象的逆动力学模型。仿真结果表明,提出的算法与PI（proportional-integral）算法相比,无论在瞬态性能     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 利用Smith预估器补偿网络时滞, 同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

基于逐段约束的组播拥塞控制机制研究

提出了一种基于逐段随机早期检测（RED）的网络层组播拥塞控制机制STSR,并对其有效性进行了数学推证,证明了STSR组播拥塞控制将具有更高的敏感度,组播传输链路也将具有更高的吞吐量。利用NS 2对STSR拥塞控制进行了模拟,结果证明它能保证对TCP流的友好,并实现了较粗粒度下的分布式控制。STSR在提高网络层组播健壮性的同时,最大限度地保证了其服务效率与质量。     

基于智能预测控制的网络拥塞主动队列管理算法研究

路由队列管理是保证网络性能、避免网络拥塞的重要手段,目前采用的主要队列管理方法为被动式队列管理,同时主动式队列管理已经成为近来的主要研究热点. 随机早侦测(RED)作为最早提出的主动队列管理方法,更获得了普遍的关注. 使用严格的数学模型来描述由端系统和网关组成的系统,并进行队列管理性能分析. 提出一种采用快速广义预测控制的RED控制器( FGPC2RED控制器) ,进行网络拥塞控制的研究. 介绍了系统的结构及系统的辨识, 并通过仿真证明了FGPC算法在路由队列管理中应用的可行性,可以有效控制队列长度,避免路由拥塞及减小往返延迟.     

一种基于H-TCP的拥塞控制改进算法

针对H-TCP存在的RTT公平性和TCP友好性不好的缺点,提出了一种基于H-TCP的拥塞控制改进算法RH-TCP。NS-2模拟实验结果表明,RH-TCP明显提高了RTT公平性和TCP友好性,并且保留了良好的带宽利用率、稳定性、收敛性和公平性,在6个新TCP协议中RH-TCP的总体性能最好。     

新的基于非线性控制理论的显式拥塞控制算法

提出了一种新的基于非线性控制理论的显式拥塞控制算法XPCP。XPCP在原有方案上增加了显式价格信号反馈,改变SumNet结构为MaxNet结构,仿真和分析表明XPCP算法具有很快的响应特性、高的带宽利用率、可以达到最大最小公平等,表明该算法是可行的。     

基于模糊调节滑模面的TCP拥塞控制算法研究

基于模糊自适应滑模控制提出了一种拥塞控制算法。该算法通过模糊调节滑模表面使队列跟踪性能得到改善,对于网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动该算法具有很强的鲁棒性。仿真结果表明该方法可以使队列长度快速收敛到设定值,同时使队列震荡最小,结果也表明在网络条件变化的情况下,该算法优于模糊控制和变结构控制。     

一种改进的拥塞控制算法

为控制网络拥塞,提出一种改进的随机早期检测（RED)算法——基于加权和的随机早期检测（WHS-RED）算法。算法的基本思想是利用网络中队列长度及其变化率的加权和,动态地控制网络丢包率。建立了数学模型,并给出了计算机仿真分析结果。实验证明改进算法减小了网络丢包率和带宽延迟,在维持网络稳定性和减小队列的波动性方面优于原RED算法。     

改进的AQM在拥塞控制中的应用策略

随着计算机网络的持续快速发展,各种网络需求不断涌现,拥塞控制成为保证网络的稳定性和鲁棒性的重要因素,拥塞控制的发展要求网络本身也要参与其中。传统的端到端机制不能解决所有的拥塞问题,作为主动管理队列算法的REM原算法由于对RTT的不精确估计导致不能准确反应网络中拥塞状态。根据控制论中将链路价格化的方法,对REM算法的进行了改进,提出了新的拥塞控制机制。仿真实验表明,该方法能有效减少包的丢失,提高系统性能。     

基于最优化流控模型的拥塞控制算法

在已改进的最优化流控模型和链路价格算法的基础上,提出了一种基于最优化流控模型的拥塞控制算法。NS-2模拟实验结果证明,与类似的显式精确反馈拥塞控制算法XCP相比,新算法有更好的稳定性和相同的带宽利用率。