一种基于抽样统计改进的CHOKe算法

对流行的几种CHOKe算法进行了分析,深入研究了CHOKe算法存在的对高速非适应流的处罚力度不够,不能够很好地实现带宽的公平性的问题。利用到达分组的统计特性,提出一种改进的CHOKe算法,仿真结果表明,在不保持流的状态信息下,该机制对非适应流具有更好的识别和控制能力,与其他CHOKe算法相比,能进一步加强对非适应流的惩罚,实现更为公平的带宽分配。     

HCHOKe：改进的公平主动队列管理算法

HCHOKe算法控制和惩罚网络中的非适应流,保护适应流稳定地分享网络带宽。HCHOKe结合CHOKe击中思想,利用拥塞程度自适应取包,提出一种丢包策略。在网络仿真器NS-2上对HCHOKe等其他主流相关算法进行分析,结果显示HCHOKe在维护网络带宽的公平分配上性能优于CHOKe等其他几种算法。     

改进的基于CHOKe击中历史的公平主动式队列管理

带宽公平分配问题一直是网络的热点研究问题。改进的算法New-XCHOKe自适应地根据网络拥塞程度决定分组数量并将取出分组与到达分组比较,以CHOKe击中次数来识别非适应流,并以提前丢包的方式对其进行惩罚,从而保障网络中各种流之间公平地分享带宽。NS-2的仿真实验结果显示New-XCHOKe在惩罚非适应流、维护网络带宽公平分配上性能优于CHOKe、XCHOKe等其他几种算法。     

主动队列管理算法比较研究

本文对FRED、CHOKe、CSFQ、AFD等几个主动队列管理算法进行了对比研究，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，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。     

LA-CHOKe:负载自适应的CHOKe算法

分析了几种具有代表性的改进公平性主动队列管理算法,通过理论分析和仿真实验说明了它们的不足.在此基础上,提出了一种负载自适应的CHOKe算法,该算法通过对网络负载的测量,更有效地检测网络拥塞,同时根据网络负载情况自适应地调整对非响应流的惩罚力度,并且在原有的CHOKe算法基础上,更充分地利用了取出分组的统计信息,从而能更有效、更精确地对非响应流实施惩罚.这些方法的应用并没有增加原有算法的计算量和复杂度,保持了算法的无状态性和可伸缩性.仿真实验结果表明,改进算法较原有算法在公平性等方面得到了有效的提高.     

主动队列管理算法比较研究

本文对FRED、CHOKe、CSFQ、AFD等几个主动队列管理算法进行了对比研究,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,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。     

一种改进的主动队列管理算法

从是否维护数据流状态信息的角度出发,提出一种改进的主动队列管理算法——SF-AQM。SF-AQM算法只维护发送速率大的数据流状态信息以降低路由器的开销,通过比较不同数据流的包到达时间间隔衡量流到达速率,识别出非适应性数据流,提高算法公平性,并使队列长度控制在目标值附近,保证算法稳定性。仿真结果表明,SF-AQM算法具有较好的公平性和稳定性,且对抑制网络拥塞有明显效果。     

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。     

主动队列管理算法的研究

队列管理机制是实现网络拥塞控制的一项重要技术,以往采用的大多都是被动的队列管理机制,而主动队列的管理是根据网络结点的队列长度的变化进行提前丢包,对网络的拥塞进行预先通知,从而减少和避免网络拥塞,提高服务质量.为了对主动队列管理机制进行研究,对IEFT推荐的RED算法作介绍,与传统的被动管理机制Droptail作比较,并且通过网络仿真器NS2对算法进行模拟与分析,指出算法的优缺点,为进一步研究AQM算法提供依据.     

一种基于gCHOKe公平性的主动队列管理算法

文中主要研究了主动队列管理（ AQM）的公平性算法。利用gCHOKe的多次击中能近似识别并惩罚非响应流,提高gCHOKe击中的有效性以及惩罚非响应流的力度,是提高算法公平性的关键因素。在gCHOKe算法的基础上提出了一种基于预处理的pgCHOKe（preprocess based-gCHOKe）公平性算法,通过对数据流进行预处理筛选后再进行gCHOKe击中,提高了击中的有效性。仿真实验表明pgCHOKe相比RED、gCHOKe和BLUE,可以获得更低的UDP吞吐量,是有效的、公平的。     

一种基于速率的主动队列管理机制

提出了一种基于速率的主动队列管理机制。主要思想是根据每流过去的输入速率和输出速率预测下一个采样间隔内的输入速率和输出速率,用上一个采样间隔末的每流队列长度、预计输入、预计输出和期望的队长来决定数据包的丢弃概率,达到稳定队列长度和实现公平性的目的：仿真结果证明在多种网络条件下,算法能够实现稳定队列长度和每流公平性两个目的。     

一种新的主动队列管理算法

提出一种新的主动队列管理（AQM）算法。本算法以V. Misra的TCP流量随机微分方程模型为基础,在计入窗口限制的约束条件下,由局部线性化方法导出本文主动队列管理模型的传递函数,并以其作为受控对象,利用比例积分微分（PID）调节器控制该传递函数输出与理想队列长度之差。仿真分析表明,本算法性能优于RED和ARED算法。     

控制时延的主动队列管理算法

针对现有的主动队列管理(AQM)算法造成的队列时延无法满足VoIP、音视频等流媒体传输需求的问题,提出一种直接控制队列时延的主动队列管理算法--DCQA。该算法使用PID控制器计算路由器缓存的数据包丢弃概率,用其对即将进入缓存排队的数据包做丢包判断并采取相应动作,以控制队列时延在期望值以下。实验仿真了3种网络环境下DCQA的性能,链路利用率分别是99.93%、99.88%和99.95%。并且,队列时延分别有50.45%、51.59%、52.4%被控制在期望值以下,比CoDel算法分别提高了3.6%、40.53%、50.69%。实验结果表明,DCQA在不同的网络环境中都可以获得较高的链路利用率,而且控制队列时延的能力优于CoDel算法,适用于流媒体的传输。     

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。     

基于主动队列管理的集群计算负载平衡系统

在分析了分组到达率和服务率的关系及主动队列管理AQM（Active Queue Management）的Balanced RED算法的基础上,提出了一个计算连接权重的动态分配算法“基于AQM加权时序动态法”（Weighted Opportunity Dynamic Algorithm based on AQM）,它具有对终端用户透明、能自动找出最佳服务器来处理请求的特点,从而实现集群计算服务器的负载平衡。另外据此算法设计并实现了一个支持服务器集群的动态负载平衡原型系统,实验结果表明该算法在负载平衡的效能上有明显的提高。     

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。     

Active Queue Management技术的研究与发展

ActiveQueueManagement(AQM)技术通过有效控制输出队列的丢包时间和丢包方式，对拥塞进行早期通告，这在TCP拥塞控制的实现中至关重要。目前对AQM进行较全面介绍和总结的文献尚不多见，以RandomEarlyDetection(RED)为重点介绍了这种第一代AQM技术的设计思想、优缺点以及为此出现的多种RED变种方法，另外还简单介绍了其它几种与RED设计思路不同的AQM方法，以期对AQM技术的研究和发展进行较全面的总结，并促进国内学者以及设备制造商对这一技术的关注。     

一种基于内模PID控制的主动队列管理算法

针对传统主动队列管理中PID控制存在的参数不易整定等缺点,通过引入内模控制思想,提出了一种基于内模控制的PID控制器（IMC－PID）,其突出特点是控制器仅有一个参数需要整定。将IMC－PID应用于网络拥塞控制中,得到了一种新的主动队列管理（AQM）算法——IMC－PID算法。仿真实验表明,IMC－PID算法有较强的鲁棒适应性及较快的队长调节速率。     

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%。