具有最小时间加权平方误差积分的主动队列管理算法ISTE-PI

针对现有基于控制论的主动队列管理(AQM)算法的不足,在不忽略TCP/AQM传递函数模型中时滞环节的条件下,将TCP短流和UDP流作为干扰信号引入AQM控制器的设计过程,并借助最小"时间加权平方误差积分(ISTE)"控制方法,设计了一个基于PI控制器的AQM算法ISTE-PI.与现有算法相比,ISTE-PI算法同时具备响应速度快、抗干扰能力强、能用于大时滞网络环境且鲁棒性好等特点.鉴于Internet网络流量由TCP长流、TCP短流和UDP流构成,且是大时滞网络,因此ISTE-PI算法能更好地适应Internet网络环境下的主动队列管理.     

基于灰色预测可变裕度PID网络自适应算法

为了综合控制拥塞链路的队列长度,提高AQM系统对动态网络环境的自适应能力,提出了一种基于灰色预测和考虑可变裕度PID控制的自适应TCP网络主动队列管理。首先,建立相角和幅值裕度与网络参数相关的PID自适应主动队列(TCP/AQM)控制论模型,该模型可以根据网络参数的变化而动态改变控制参数,以提高AQM网络动态自适应能力,及系统的鲁棒性;其次,将灰色预测引入该模型,实现路由器队列长度的超前预测,补偿带有PID反馈模块的AQM算法给队列造成的时滞影响。与其他算法的仿真结果相比较,该设计算法能够使信息流在较短的时间内稳定在期望队列长度阈值附近。     

基于神经元自适应变结构控制的主动队列管理算法

针对网络TCP模型的非线性以及回路延时和负载波动等不确定性因素,提出一种基于神经元自适应变结构控制(VSC)的主动队列管理(AQM)算法。通过非线性变结构控制以保证路由器队列响应的快速性和鲁棒性;同时考虑到滑模控制中存在的抖振会引起队列波动和控制精度降低等问题,引入神经元在线调整控制器参数以减弱抖振,从而减小队列延时和模型不确定性的影响,提高AQM系统的鲁棒性和性能。最后通过NS-2仿真实验验证了算法的有效性。     

不确定时滞TCP 网络中基于T-S 模型的滑模AQM算法

针对传输控制协议(TCP)网络中的拥塞控制问题,基于T-S模糊模型,提出一种滑模主动队列管理(AQM)算法.考虑到TCP网络中存在的不确定和时变时滞因素,对非线性TCP网络进行了T-S模糊模型的建模.利用LMI设计了一个渐近稳定的滑模面,并提出一种能更好抑制抖振现象的到达条件,基于该到达条件设计的控制器能有效地抑制路由器中队列长度的振荡.大量仿真结果表明,所提出的算法比普通滑模AQM算法具有更好的稳定性和鲁棒性.     

稳定裕度与网络特征参数无关的AQM算法

针对现有基于控制论的主动队列管理(AQM)算法的不足,设计一种稳定裕度与网络特征参数(往返时延、通过瓶颈链路的TCP连接数、瓶颈链路的容量)无关的基于PI控制器的AQM算法GPM-PI。该算法响应速度快、计算开销小,能用于大时滞网络环境,抗干扰能力强(对TCP短流和UDP流有良好的控制能力),鲁棒性好,能更好地适应Internet环境下的主动队列管理。     

基于NS2的AQM算法仿真研究

AQM（主动队列管理）技术是为了解决TCP／IP拥塞控制问题而提出的一种路由器缓存管理技术。本文使用网络仿真软件NS2对三种主要的AQM算法（ARED、PI和REM算法）进行比较,仿真实验从稳定性、资源利用率和公平性几个角度出发,分析了各算法的队列长度变化,丢包率以及公平性等性能。     

TCP/AQM系统大时间尺度模型

网络传输连接的往返时延(round-trip times,RTT)大小各不相同,因此TCP/AQM系统本质为一多时滞回路耦合系统.由于RTT分布范围远大于控制量调节周期,这给准确评估控制效果带来很大困难.已有基于控制理论的主动队列管理(active queue management,AQM)算法多以流体流模型为基础进行设计,没有充分考虑RTT和采样周期对系统性能的影响.对于TCP/AQM系统,合理的评价方法是对调节过程进行评价,而非仅评价单个采样周期内的控制量是否合适.本文结合数据驱动控制思想和系统自身特征,统一从路由视角对TCP与AQM之间的交互进行抽象,通过时间扩展从更大的时间尺度去评价控制量调节过程,然后基于此模型设计自适应AQM算法–—大时间尺度AQM算法(large time scale AQM,LTSAQM).仿真结果表明,该算法收敛速度快,排队时延抖动小,特别是在长时滞网络环境下,性能明显改善.     

几种主动队列管理算法的仿真及性能评估

采用仿真分析的方法,系统地研究了当前提出的用于Internet路由器缓冲管理的一系列主动队列管理(AQM)算法的性能。根据AQM的设计原理,将当前的AQM算法划分为3类：基于队列长度,基于网络负载和同时基于队列长度和网络负载的AQM算法。仿真研究和分析表明,现有的AQM算法不能适应网络流量的动态变化。     

基于延时补偿结构的大时滞网络拥塞控制

研究和分析了几种典型的主动队列管理AQM(Active Queue Management)算法在大时滞网络下的稳定性、性能及响应速度,发现如RED、PI等AQM算法在大时滞网络环境下队列出现剧烈的振荡和空队列增多,这些现象直接导致链路利用率降低和丢包率增大.针对上述的大时滞网络,将具有正反馈的延时补偿结构用于TCP/AQM拥塞窗口动态模型,实现对延时的补偿,仿真表明采用该控制结构提高了网络的性能.     

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.     

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.     

基于传输控制协议的无线自组网主动队列管理建模

主动队列管理（AQM）通常研究队列控制器的设计．作为被控对象,传输控制协议（TCP）往往利用网络仿真器（NS）的仿真实现,因此有必要研究无线自组网的TCP及AQM特性．基于TCP窗口加性增一乘性减算法及排队原理,推导了TCP窗口及队列的微分方程,再基于比例积分AQM控制,推导了拥塞丢弃概率的微分方程,通过建立联立微分方程组,提出了AdHoc网络TCP／AQM微分模型．对比仿真显示,新模型能较好地估计无线白组网的性能．模型研究也表明,网络跳数,无线丢失和过小的队列成为AQM性能瓶颈,队列信息则有助于TCP区分无线自组网的拥塞丢弃与无线丢失．     

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。     

基于模型有效性评价的主动队列管理算法

TCP/AQM系统是一多时滞回路耦合时变系统,源端传输控制协议(TCP)的拥塞控制机制也各不相同,因此其机理模型复杂.设计控制器所采用动态近似模型的参数变化范围很大,这对辨识算法提出了很高要求.本文先从模型误差分配方式这一新的角度对经典辨识算法进行了分析.然后运用新分析框架,结合TCP/AQM系统特征和控制要求,设计了一种基于模型有效性评价机制的辨识算法.该辨识算法能够对控制系数进行自适应调节,满足了主动队列管理(AQM)算法的设计需求.仿真结果表明,基于模型有效性评价机制的AQM算法,能有效应对时滞和不确定性带来的负面影响.与潜在标准化AQM算法相比,新算法在保持低排队时延和高效链路利用率方面取得了更好的平衡.     

基于限速的Ad hoc网络混合流拥塞控制研究

主动队列管理(AQM)的基础是TCP反馈机制,所以AQM在处理UDP与TCP混合流时无法控制UDP流量,导致非视频流影响视频UDP的传输质量。根据TCP拥塞窗口特性和混合流排队机制,推导了Ad hoc网络TCP/UDP的AQM模型,据此提出了一种基于UDP限速的PI主动队列管理算法。限速算法根据实际流速与设定流速之差,标记非视频UDP分组优先级并按从低到高的顺序丢弃分组。NS仿真表明,与PI控制相比,新算法实现了非视频UDP的流量控制,提高了视频传输质量0.98dB的峰值信噪比。     

主动队列管理中PID控制器的解析设计方法

主动队列管理(active queue management,简称AQM)是一个非常活跃的研究领域.作为对终端系统上拥塞控制的一种补充,中间节点的AQM策略在保证较高吞吐量的基础上可以有效地控制队列长度.基于TCP/AQM控制论模型,使用H(最优控制理论,以解析的方法设计了新型PID控制器.该控制器的特点是:控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折衷.通过NS仿真并与其他算法相比较,验证了所设计的控制器的性能.结果显示,所设计的PID控制器性能优于其他算法.     

基于SVM整定PID控制参数的网络拥塞控制AQM算法

针对PID主动队列管理(AQM)中参数自整定、无法适应复杂的非线性网络环境等缺点,提出一种基于最小二乘支持向量机(LS-SVM)与PID控制相结合的智能AQM算法——LSPID算法。仿真实验表明,LSPID算法具有更好的收敛性,能将队列长度更加快速地收敛到期望值附件,在动态拓扑、链路容量变化、有突发流的网络环境中能很好地保持稳定性和鲁棒性,其控制效果比专家智能PID和神经网络PID主动队列管理算法都更优越。     

基于模糊推理的鲁棒主动队列管理算法

基于常规控制理论的主动队列管理(AQM)算法在复杂动态网络环境下对参数变化比较敏感,难以保证队列稳定性且缺乏鲁棒性。针对上述问题提出基于队列长度和链路速率相对变化率的模糊AQM算法,以队列长度与期望队列长度以及链路速率与链路容量的相对误差量作为网络拥塞指示,采用模糊推理得出中间节点的丢包概率。仿真实验表明,该算法具有良好的队列稳定性和较小的队列延时,对网络的非线性和负载波动等不确定因素具有鲁棒性。     

鲁棒的主动队列管理新算法

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，随机早期检测（RED）及其派生算法虽可以实现AQM的技术目标，但算法的设计要么是依赖于直觉的，要么将网络视为不变定常系统，使得最终形成的算法在稳定性和鲁棒性方面存在不少问题，在该文的研究中，作者将TCP的流量控制过程等效为二阶线性时变系统，采用滑膜变结构这种不敏感控制对象参数和负载扰动的控制器设计方法，设计出一种新的AQM算法，仿真试验表明它的稳态和瞬态性能都优于与它具有相同实现复杂度的RED和PI算法，并且在负载扰动和参数变化时具有很强的鲁棒性。     

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.