基于IXP2400的流量控制实现

网络流量控制(TC)是为了保证网络中不同服务的需要,在确保业务可靠性、时延、时延抖动、吞吐量、包丢失率的前提下,充分利用各调度机制对网络中各种业务流的状态所进行的控制。网络处理器平台提供了高效灵活的处理机制,优化了网络包处理。基于Intel IXP2400的平台,通过对IPv4包头中ToS字段的修改及判断,更好地实现了网络流量控制。     

基于网络概率丢弃策略的自适应控制机制

提出一种基于网络节点分组概率丢弃策略的单神经元自适应PID控制机制，并对其进行了相关性能的分析。在单节点的网络业务流模型基础上，运用OPNET仿真软件对其进行不同输入和工作条件下的仿真。结果显示，在所设计的单神经元自适应PID控制机制下，节点平均队列稳定性好且具有较好的鲁棒性。     

一种基于IEEE 802.11e的多跳无线网络拥塞控制协议

多跳无线网络中网络拥塞的出现将严重降低网络的性能。基于802.11e提供的区分业务类型的信道接入优先级机制,提出了一种对尽力而为(best-effort)类型业务动态调整其优先级进行网络拥塞控制的协议。该算法的主要思想是对发生网络拥塞的节点提升其业务流传输的优先级使其获得更多的传输机会以缓解拥塞状况,并对严重的网络拥塞状况采取反向施压的策略降低上游节点业务流的转发速率。仿真结果表明,该算法有效地提高了网络重负载情况下的吞吐量。     

单参数模糊自适应PID信元队列控制与鲁棒性分析

提出了一种基于网络前端速率的单参数模糊自适应PID信元队列控制机制并对其进行了稳定性和鲁棒性分析。在3个节点的业务流模型基础上,运用OPNET仿真软件对其进行了不同工作条件下的仿真。结果显示,在所设计的单参数模糊自适应PID控制机制下,PID参数收敛较快,队列稳定性好且具有较好的抗扰性和鲁棒性。     

一种提高TCP与UDP数据流公平性的拥塞控制机制

在UDP业务流逐步占据大部分网络带宽的情况下,如何在网络层对UDP包进行拥塞控制显得尤为重要。在网络拥塞时,由于UDP包本身缺乏反馈机制,将会产生严重的丢包或者UDP抢占TCP带宽的现象。文中提出了基于网络层的发送端缓冲队列管理的拥塞控制机制,可以均衡TCP和UDP的带宽使用,同时通过对路由器ICMP网络拥塞报文的处理,建立了高效的流量调节策略,并进行了网络仿真实验。实验结果表明,基于该机制的拥塞控制可以有效改善网络不同业务流带宽使用的不公平性。     

反向业务流对TCP性能的影响研究

简要分析了TCP协议的拥塞控制机制,指出在网络中存在较大反向业务流时会对TCP业务产生严重的影响,通过仿真实验对TCP拥塞控制机制的3种拥塞控制算法:Reno算法,SACK算法和Vegas算法在存在大量反向业务流情况下的表现进行了比较,分析了它们性能下降的原因,提出了改进设想,为解决TCP拥塞问题提供了新的思路。     

基于网络节点输出速率调节的非线性拥塞控制及稳定性鲁棒性分析

该文针对计算机高速互联网中最大服务交通流即能控交通流的拥塞调节问题,提出了一种基于网络节点输出速率调节的非线性拥塞控制机制并对其进行了稳定性和鲁棒性分析。克服了传统的基于输入端控制需要信源端和传输通道多重支持的约束。在单个节点的业务流模型基础上,将信源输入视为系统的扰动,通过调节输出速率来控制节点队列稳定。运用OPNET仿真软件对其进行了不同输入和工作条件下的仿真,结果显示,在所设计的非线性模糊PID队列控制机制下,队列稳定性好且具有较好的鲁棒性和抗干扰性。     

几种IP网络中的业务流分类模型分析比较

本文讨论了IP网络中的业务流分类机制,为特定网络用户提供有QoS要求的分组业务流处理是当前网络发展形势下一个重要的问题。就目前存在的几种分类业务模型进行分析比较,并进一步讨论其发展趋势。     

一种基于延时PDF测量的连接接纳控制算法

相比与基于模型的连接接纳控制(CAC)算法,基于测量的CAC(MBCAC)算法能够大大提高了网络资源的利用率。准确的网络状态信息对于提高MBCAC的性能至关重要。本文提出了一种基于延时概率密度函数测量的CAC算法,它采用了两种机制有效提高了网络状态测量的准确性。一是测量网络中每个路由器出口的延时概率密度函数,二是通过混合更新方法及时更新网络状态。仿真结果表明它在保证业务服务质量要求的前提下能有效提高网络状态测量的准确性,具有较低的业务流拒绝率和较高的链路利用率。     

Heavy业务流的有效带宽及其基于测量的接纳控制算法

基于具突发性Heavy业务流的TES(Transform Expand Sample)模型,推导出一个计算Heavy业务流有效带宽的实用的公式,并由此公式求得的有效带宽,作为基于测量的接纳控制(MBAC)算法中新业务流所申请的带宽。仿真结果表明,采用该计算公式求得的有效带宽,MBAC算法可以取得更好的网络性能。     

传感器网络中一种拥塞避免、检测与缓解策略

拥塞控制是无线传感器网络中的一个关键性问题,它不但影响传输可靠性,而且会浪费宝贵的能量资源.提出了一个全新的拥塞避免、检测与缓解策略,该策略主要包含两部分:拥塞避免(COTA)和拥塞检测及缓解(CODEM).COTA从全网出发,基于路径的启发式信息分配流量,避免给潜在的热点区域分配过多负载.CODEM使用精确的拥塞度量来检测拥塞,并采取适当的措施来缓解拥塞,同时保证数据传输的可靠性.此外,还利用现有radio的多频特性有效地为控制报文进行拥塞隔离.详细的实验表明了COTA CODEM的优势.     

DDoS攻击下高带宽聚类的控制

DDoS攻击理,网络拥塞既不是因为一个单一的数据流,也不是因为网络流量的突然增大造成的,而是由于一个精心设计的数据流的子集——聚类。基于这一特点,从拥塞控制的角度来研究DDoS攻击目标端的防御机制。将DcbS攻击流量和正常流量在聚类过程中分开,有效控制引起拥塞的高带宽的聚类,使攻击流量无法占用正常流量的资源,从而保护受害者的网络带宽资源。在仿真环境中验证了算法的有效性,对进一步认识DDoS攻击及其防御有很大的参考价值。     

基于混合预测模型的VBR流拥塞控制机制

针对VBR多媒体流量的数字特征,在混合网络流量预测模型的基础上,结合小波分析和卡尔曼滤波,提出一种多媒体流自适应带宽分配算法,以合理分配网络带宽,利用双重漏桶控制网络流量。在NS网络仿真平台上进行的仿真实验表明,该算法能有效避免网络拥塞,降低网络传输时延和数据丢包率,提高带宽利用率。     

A robust adaptive congestion control strategy for large scale networks with differentiated services traffic

In this paper, a robust decentralized congestion control strategy is developed for a large scale network with Differentiated Services (Diff-Serv) traffic. The network is modeled by a nonlinear fluid flow model corresponding to two classes of traffic, namely the premium traffic and the ordinary traffic. The proposed congestion controller does take into account the associated physical network resource limitations and is shown to be robust to the unknown and time-varying delays. Our proposed decentralized congestion control strategy is developed on the basis of Diff-Serv architecture by utilizing a robust adaptive technique. A Linear Matrix Inequality (LMI) condition is obtained to guarantee the ultimate boundedness of the closed-loop system. Numerical simulation implementations are presented by utilizing the QualNet and Matlab software tools to illustrate the effectiveness and capabilities of our proposed decentralized congestion control strategy.     

基于Additive2multipl icative 模糊 神经网的ATM 网络拥塞控制

考虑了模糊神经网络的学习功能，提出利用Additive-multiplicative模糊神经网络(AMFNN)对ATM网络进行拥塞控制的方案．在拥塞控制过程中，利用AMFNN模糊神经网络预测下一个将要到达流的特征，结合当前缓冲区的队列信息预测网络是否发生拥塞．一旦预测出将有拥塞发生，控制器则向源端反馈拥塞控制信息，信源根据拥塞信息适当降低传输速率，从而避免了拥塞的发生．仿真结果表明，该方法可改善网络对拥塞的实时处理能力，提高网络资源的利用率．     

Design of Regulatory Traffic Light Control Systems with Synchronized Timed Petri Nets

Fixing the phases is one of the common methods to control an urban traffic network. Once a road is filled with a high traffic flow approaching its capacity, the conventional traffic light controller is not able to handle this traffic congestion phenomenon well. In this paper, we propose a novel regulatory traffic light control system to handle such traffic congestion by using synchronized timed Petri nets (STPNs). Three kinds of intersections in an urban traffic network are defined and employed to demonstrate our new regulatory traffic light control system models. Finally, the liveness and reversibility of the proposed STPN models are proven through the reachability graph analysis method. To our knowledge, this is the first work that solves a traffic congestion problem with a regulatory traffic light control technique that is effective in preventing vehicles from entering traffic congestion zones.     

Urban traffic congestion propagation and bottleneck identification

Bottlenecks in urban traffic network are sticking points in restricting network collectivity traffic efficiency. To identify network bottlenecks effectively is a foundational work for improving network traffic condition and preventing traffic congestion. In this paper, a congestion propagation model of urban network traffic is proposed based on the cell transmission model （CTM）. The proposed model includes a link model, which describes flow propagation on links, and a node model, which represents link-to-link flow propagation. A new method of estimating average journey velocity （AJV） of both link and network is developed to identify network congestion bottlenecks. A numerical example is studied in Sioux Falls urban traffic network. The proposed model is employed in simulating network traffic propagation and congestion bottleneck identification under different traffic demands. The simulation results show that continual increase of traffic demand is an immediate factor in network congestion bottleneck emergence and increase as well as reducing network collectivity capability. Whether a particular link will become a bottleneck is mainly determined by its position in network, its traffic flow （attributed to different OD pairs） component, and network traffic demand.     

TPDCM:一种新型的分布式拥塞管理方案

提出一种新型的面向区分服务网络的分布式拥塞管理方案,基本思想是利用拥塞状态反馈信息在边缘节点或主机上实施拥塞管理。该方案主要包括三个组成部分:流量控制信息协议、早期拥塞检测和流量控制算法。该方案具有以下特点:(1)在核心网络中,拥塞控制机制独立于特定的传输层协议;(2)对将要发生的拥塞做出快速响应;(3)降低网络的分组丢失率;(4)不需要在网络核心节点中保存每个传输流的状态信息。实验结果表明,与标准的区分服务网络相比,该方案能在TCP和UDP聚集之间公平地分配带宽并能显著地降低分组丢失率。     

ATM congestion control using Minimal Resource Allocation Networks (MRAN)

This paper presents a congestion control scheme for ATM traffic using a minimal radial basis function neural network referred to as Minimal Resource Allocation Network (MRAN). Earlier studies have shown that MRAN is well suited for online adaptive control of nonlinear time varying systems as it can adjust its size by adding and pruning the hidden neurons based on the input data. Since ATM traffic is nonlinear and time varying performance of MRAN as a congestion controller is investigated here. These studies are carried out using OPNET to model the ATM traffic. The ATM traffic model consists of bursty, Variable Bit-Rate (VBR) and custom traffic in a multiplexed form so as to generate a heavily congested traffic situation. For this scenario, the controller has to minimize the congestion episodes and maintain the Quality of Service (QoS) requirements. This paper compares the performance of the MRAN congestion controller with that of a modified Explicit Rate Indication with Congestion Avoidance (ERICA) scheme and a Back-Propagation (BP) neural controller. Simulation results indicate that MRAN controller performs better than the modified ERICA and BP controller in reducing the congestion episodes and maintaining the desirable QoS.     

无线传感器网络中一种ARMA流量预测的拥塞控制算法

在无线传感器网络中,由于各节点的通信能力、计算能力、存储能力等都比较有限,使其需采取有别于传统网络的拥塞控制策略.本文针对传感网络特有的多对一、多跳通信方式经常导致网络拥塞的缺陷,提出一种基于流量预测的拥塞避免算法(SCATP).该算法通过ARMA模型分析流经各节点的当前流量,预测网络下一时刻的拥塞状况,并据此进行流量分配,从而实现拥塞控制的同时保证数据的可靠传输.仿真实验表明,SCATP算法在延迟、抖动率、吞吐量和能量有效性等方面能有效改善网络的服务质量.