一种基于不完全微分PID的随机早期检测算法

针对网络中普遍存在的参数实时变化、难以调节的问题,将不完全微分PID控制器用于主动队列管理,利用控制理论中的不完全微分PID控制器来实时调整RED算法的最大丢弃概率,使AQM系统能自适应地调节自身参数来改善控制性能。仿真结果显示:小负载情况下,不完全微分PID-RED较PI和RED算法的响应速度更快,很快就能达到期望值;当改变网络负载时,不完全微分PID-RED算法可以迅速地调节瞬时队列至期望值,响应时间较短,表现了很好的鲁棒性。     

基于主动队列管理的互联网拥塞控制研究

针对现有AQM算法所遇到的问题,将神经网络理论和控制理论的思想相结合,采取了RED、P/PI和PID的AQM控制策略,设计了单神经元自适应PID控制器的AQM算法.仿真结果表明,该算法控制的路由器队列长度具有良好的性能.     

一种改进AVQ的主动队列算法

在讨论了各种算法的基础上，分析和比较了现有的几种主动队列管理算法：随机早期检测算法（RED），自适应RED算法（ARED），自适应虚拟队列（AVQ）算法，动态阈值（DT）算法以及队列长度阈值（QLT）的分组调度算法等，并对AVQ算法进行了改进，将原算法维持单个虚拟队列改为维持多个虚拟队列，从而使其在原性能的基础上增加了区分服务的功能，以达到适应下一代网络发展的需要。     

Ad hoc网络PID主动队列管理

主动队列管理(AQM)的PI算法可以有效控制Ad hoc网络的瓶颈节点队列长度,但随着移动节点的增加.PI算法的调节时间明显增加,进而影响控制效果.而PID的微分环节可以加快系统稳定过程.从而收到更好的控制效果.针对Ad hoc网络的多跳、时滞特点,根据时延无线网络中的稳定性特点,分析、整定了PID控制器,分别给出了大时延下PI和PID算法的队列长度控制效果.通过Matlab和NS2仿真.相比PI算法,PID可减少调节时间,提高了队列控制效果,为进一步优化、设计基于控制理论的主动队列管理算法提供了基础.     

稳定的随机早期检测方法

针对随机早期检测（RED：Random Early Detection）对网络时滞、参数设置敏感的问题,提出一种适用于时滞网络的稳定随机早期检测算法（TRED：Time-delay RED）。引入史密斯预估器,以抑制网络时滞对网络性能的影响;采用瞬时队列长度替代平均队列长度作为拥塞指示,加快系统的响应能力;改进RED算法的丢包概率函数为非线性函数,同时自动调整系统参数,以适应网络环境变化。仿真结果表明,TRED算法能成功补偿网络延时,并在不同的时滞环境、不同程度的拥塞环境中保持稳定的队列长度,具有很强的环境适应性,从而保证了良好的网络性能。     

负载与队列高效结合的主动队列管理算法研究

目前已有的大多数主动队列管理算法按照判别拥塞的主要依据可以分为2大分支：基于负载（Load-based）的AQM算法和基于队列（Queue—based）AQM算法。分析了单独以队列或者单独以负载作为拥塞判别依据的不足，提出了一种基于负载与基于队列相结合的AQM算法LQC（Load Queue Contr01）算法。仿真结果证明，与RED、FRED和LDC算法相比，LQC算法能更好地稳定队列长度和减少丢包率。     

自适应模糊BLUE主动队列管理算法

针对随机早期检测算法（RED）存在的参数不易配置等问题，设计了一种自适应模糊BLUE算法（Adaptive Fuzzy BLUE AFBLUE），用配置好的模糊逻辑规则来计算包丢弃概率，并设计了自适应调整机制来调整模糊控制规则以更好地匹配网络环境地变化。仿真结果表明，在网络环境动态变化环境下，自适应模糊BLUE算法能有效将队列长度控制在期望值附近，运行性能良好．     

一种基于速率的RED增强方法

为了解决随机早期检测(random early detection,RED)主动队列管理机制的参数依赖性问题,通过引进自适应的思想提出了一种改进方法.其主要思想就是根据平均队列长度的变化速率自适应地调整参数maxp.大量的仿真试验表明,该方法能够明显提高RED在动态网络环境下的强壮性.此外,它在吞吐率和丢包率方面都比现有的方法具有更好的表现.     

一种改进RED的Web集群许可控制算法

利用网络许可控制的数学模型，提出了一种改进RED的web集群许可控制算法。该算法综合了平均请求队列长度、瞬时请求队列长度、请求之间的关系以及负载情况等多方面的因素进行调整。通过MRED算法有效性测试实验，表明了MRED有效地实现了许可控制。     

动态带宽分配对主动队列管理性能的影响

随着Internet的蓬勃发展以及多媒体业务流的出现,传统的ARED(Adaptive Ran-dom Early Drop)算法暴露出其不完备性.本文在区分服务体系架构下研究了动态带宽分配对主动队列管理(AQM)算法性能的影响,提出了EARED(Enhanced Adaptive RED)算法,重点讨论列服务速率的动态变化对RED性能的影响,通过估计队列服务的速率,减小了瞬时队列长度与平均队列长度的振荡幅度,从而减小了分组的时延抖动,并保持丢失率的相对稳定.最后通过仿真验证了算法的有效性.     

典型的主动队列管理算法性能分析

介绍了主动队列管理(AQM)算法与网络服务质量(QoS)的密切关系,通过NS2仿真,对几种具有代表性的AQM算法(RED、SRED、BLUE)的性能进行分析与总结.结果表明AQM算法通过保持较小的平均队列长度,提供更大的容量吸收突发数据包来减小丢包率,提高了平均带宽的利用率,保证了较高的吞吐量,有效地改善了网络服务质量.     

基于NS2的PQM和AQM的仿真实现与比较

队列管理机制是网络拥塞控制的一项重要技术,该机制主要分为被动队列管理机制（PQM）和主动队列管理机制（AQM）两大类,前者在拥塞发生时被动地使用丢尾策略（D ropTail）丢弃所有新到的分组,而后者则根据队列长度的变化进行提前丢包,尽量减少和避免拥塞。为了对PQM和AQM进行比较、研究,以各自经典算法D ropTail和RED为例,在NS2环境下实现了两种机制的模拟与分析,指出了各自的优缺点,为进一步研究完善拥塞控制算法提供依据。     

基于RBF神经网络的PID无线AQM算法

PID算法能较好地控制队列长度,但算法中比例积分微分系数较为敏感,基于试凑和经验的设定往往使控制效果难以保证,根据Ad Hoc网络环境参量时变的特点,推导了无线TCP／AQM模型,将递推计算修正功能引入PID算法,设计了一种基于RBF神经网络的PID的AQM,该算法可以在线调整PID控制器增益．仿真表明：在动态拓扑、无线分组丢失的AdH oc网络中,该算法取得了较好的队列控制效果．     

基于一类新PID的网络拥塞控制算法

为了进一步提高网络拥塞控制性能,针对基于流体流理论提出的网络流量模型的近似问题,提出了网络流量的精确模型,并且基于该模型把一类PID设计方法用于主动队列管理(AQM)控制器的设计,建立了一种新的拥塞控制算法,采用4σ+ω2+e≤0的抛物线区域作为D稳定域,使得所有的特征根Si位于D稳定域内,利用约束化的数值优化方法寻找控制器参数,以获得预期的动态性能.理论分析和仿真实验表明,该控制算法的综合性能优于RED算法,验证了该算法的有效性.     

网络公平带宽共享算法研究

目的运用主动式队列管理算法解决Internet拥塞及不公平竞争问题．方法对几种典型的基于公平性的AQM算法进行了详细的分析讨论，分别对公平性的CSFQ算法、FRED算法和非公平性的RED算法在NS-2平台上进行了一系列的仿真，对几种算法的性能进行了比较和分析．结果仿真结果表明CSFQ算法优于其他算法．结论在公平性方面，CSFQ算法和FRED算法明显优于非公平性的RED算法，而CSFQ算法的性能更佳．     

IP网络中主动队列管理算法研究

影响IP网络服务质量的因素很多,但最基本、最核心的是拥塞控制机制,主动队列管理是端到端拥塞控制研究中的热点.本文分析比较了这一领域中有代表性的拥塞控制算法,指出了其中存在的问题,并通过仿真实验对几种算法的性能进行了比较分析,最后给出了IP网络中主动队列管理的研究方向.