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．     

基于滑模控制的主动队列管理算法

针对TCP模型的非线性本质以及网络中存在的不确定性因素如TCP连接数、回路时延、链路带宽,提出了基于滑模控制(SMC)的主动队列管理(AQM)算法,该算法对不确定性具有很强的鲁棒性,而对滑模控制中普遍存在的抖振现象,采用了指数趋近律方法,并对状态轨线接近切换面时的控制信号进行柔化以削弱由于控制切换而引起的抖动.所提出的基于SMC的AQM算法可以使队列快速收敛到期望队列长度及保证输入受限TCP非线性闭环系统渐近稳定.仿真结果表明该算法有效.     

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。     

控制理论在主动队列管理中的应用

拥塞控制中作用于网络中间节点的主动队列管理策略(AQM)是解决IP网络拥塞问题和保证QoS的重要途径．运用控制理论，首先对TCP拥塞控制机制建模，在此基础上运用经典控制理论对主动队列管理各种策略进行分析，着重对AQM的唯一候选算法——随机早期检测(RED)算法进行分析与探讨，给出针对AQM策略的比例及比例积分控制器设计．针对网络本身是一个复杂、时变与不确定性的系统，智能控制理论更适合这类对象分析，为此，引入的智能控制理论采用模糊控制和神经网络控制对AQM策略进行研究和分析．     

几种主动队列管理拥塞控制算法的比较研究

主动队列管理是近年来端到端拥塞控制研究的热点，50多种AQM算法已经被提出，但路由器中采用哪种算法没有统一认识。通过仿真实验，对ARED、AVQ、PI和REM4种主动队列管理拥塞控制算法在相同的仿真网络环境中进行了比较研究。实验研究表明，这4种AQM算法都能使队列稳定在目标值，PI算法使队列最稳定，AVQ算法维持一个较小的队列长度；4种AQM算法都能经过一定时间适应网络变化的要求，PI和AVQ算法有较好的性能，短流对ARED和REM算法有较大影响；4种算法都没有根本解决对UDP流的公平性问题。     

几种主动队列管理拥塞控制算法的比较研究

主动队列管理是近年来端到端拥塞控制研究的热点,50多种AQM算法已经被提出,但路由器中采用哪种算法没有统一认识。通过仿真实验,对ARED、AVQ、PI和REM 4种主动队列管理拥塞控制算法在相同的仿真网络环境中进行了比较研究。实验研究表明,这4种AQM算法都能使队列稳定在目标值,PI算法使队列最稳定,AVQ算法维持一个较小的队列长度;4种AQM算法都能经过一定时间适应网络变化的要求,PI和AVQ算法有较好的性能,短流对ARED和REM算法有较大影响;4种算法都没有根本解决对UDP流的公平性问题。     

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.     

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.     

基于预测控制的时滞网络主动队列管理

针对Internet网络这种典型的延迟系统,基于模型预测控制理论,提出了一种新的主动队列管理算法——MPAQM算法。首先考虑时滞系统的因果性定义预测输出,根据预测模型和状态估计器,预测瓶颈链路队列的未来动态特性;然后将拥塞控制的控制要求转化为优化目标函数,求解优化问题得到丢包率。在单瓶颈和多瓶颈网络拓扑中进行仿真验证,结果显示MPAQM算法能快速平稳地收敛于队列长度的期望值,丢包率小且具有较好的稳定性和鲁棒性。     

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。     

主动队列管理建模及最优控制策略

针对主动队列管理(AQM)研究中缺乏系统的理论分析的问题,引入最优控制理论进行分析,得到了主动队列管理的数学模型,该模型包括两个差分方程,分别描述队列长度和平均队列长度的变化;给定目标函数,以分组丢弃概率为控制变量,将主动队列管理的优化问题转化为动态规划问题,给出优化策略。     

用于队列管理的模糊增益神经元自适应控制器

针对具有参数时变及非线性特性的网络拥塞控制系统,提出了一种模糊增益神经元主动队列管理算法(FNAQM). 采用路由器队列长度及数据流速作为拥塞度量,在检测当前拥塞信息的同时,预测未来拥塞的状况. 结合神经元控制和模糊控制的优点,利用单神经元计算数据包标记概率,采用有监督的Hebb学习规则在线调整加权系数. 设计的模糊控制器可动态调整神经元增益,能获得更好的控制性能. FNAQM具有结构简单、易于实现、自适应能力强等优点. 仿真实验结果表明,FNAQM能快速将队列调整至目标值,并维持较小的队列抖动,对动态数据流和非响应流具有良好的鲁棒性.     

基于队列和负载因子的动态参数随机指数标记算法

为了解决随机指数标记算法(REM)队列抖动大,对动态数据流响应慢,以及环境适应性差等问题,分析了算法的控制属性,并提出了一种参数动态调整的随机指数标记算法(DREM).基于控制理论的分析表明,REM算法具有比例积分(PI)控制属性.通过引入队列因子和负载因子的概念,对队列调整状态进行实时划分,能够有效地判断当前网络的拥塞状况.同时,利用队列和负载因子设计了关键参数的调整率,以协助基于"和式增加积式减少(AIMD)"规则的TCP拥塞控制策略,有效增强了REM算法的控制性能.NS2平台中的仿真实验表明,相对于标准REM算法,DREM提高了队列长度的响应能力,减小了丢包率,增强了主动队列管理算法的适应性和鲁棒性.     

主动式队列管理中ARED算法的分析研究

主动式队列管理（AQM）是用于网络拥塞控制的一种机制．介绍了主动式队列管理中的ARED算法,重点说明了ARED算法的原理,对算法进行了描述,分析了算法中的参数设置问题,并对算法本身的优点和不足之处进行了分析研究．     

路由器中的拥塞控制技术研究

由于网络规模的快速增长和各种应用的不断产生,导致网络拥塞问题日益加剧,拥塞控制技术的研究已引起了人们的普遍关注.拥塞会降低网络性能并可能造成网络拥塞崩溃,因而对网络进行拥塞控制是非常必要的,也是当前网络研究的重点之一.综述了目前路由器中队列调度算法和队列管理算法的研究概况,并探讨了下一步的研究趋势,为拥塞控制技术的进一步研究提供参考.     

路由器中的拥塞控制技术研究

由于网络规模的快速增长和各种应用的不断产生，导致网络拥塞问题日益加剧，拥塞控制技术的研究已引起了人们的普遍关注．拥塞会降低网络性能并可能造成网络拥塞崩溃，因而对网络进行拥塞控制是非常必要的，也是当前网络研究的重点之一．综述了目前路由器中队列调度算法和队列管理算法的研究概况，并探讨了下一步的研究趋势，为拥塞控制技术的进一步研究提供参考．     

基于分组丢失的高带宽流鉴别算法

提出了一种在网络发生拥塞时对高带宽流量加以鉴别的BDH-RED算法。该算法对发生分组丢弃的数据流的状态信息进行缓存,根据一个流量被丢弃的分组数正比于此流量的到达速率,在路由器计算丢弃历史记录中的分组丢弃数目,并使用组合丢弃比率,在标准TCP流量和高带宽流量共存的环境下,能有效地鉴别出高带宽流量。在仿真实验中将已有的丢弃比率与组合丢弃比率进行了比较,验证了BDH-RED算法的有效性。