主动队列管理算法性能分析通用仿真模型

主动队列管理算法提供因特网中网络拥塞规避和控制机制,是因特网中分组转发设备的重要功能模块。文章提出在网络仿真工具OPNET Modeler下搭建一种通用的网络仿真模型,通过该模型来对不同的主动队列管理算法进行性能评估和分析。通过对RED和LQD算法的仿真,表明了该模型的有效性和通用性。文章也给出了在该模型下实现新的队列管理算法的步骤。该模型为评估不同的主动队列管理算法提供了重要的平台,有助于下一代因特网路由器中缓存队列管理模块的设计。     

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。     

一种DiffServ模型的主动队列管理算法FPRIO

面向QoS的DiffServ模型,在改进RIO-C算法的基础上,提出了一种新的主动队列管理算法——FPRIO。通过理论分析和仿真实验验证,证明该算法是一种适合于DiffServ模型的主动队列管理算法。     

动态矩阵主动队列管理算法

针对Internet网络这种大延迟,变化复杂,存在严重干扰的系统,基于约束模型预测控制理论,提出了一种新的主动队列管理算法(DMAQM算法).首先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,它是确定丢包率的基础;然后将拥塞控制的控制要求转化为优化目标函数,在线求解优化问题得到丢包率.DMAQM算法通过滚动优化来适应网络环境的变化,提高了算法鲁棒性;同时在求取丢包率时显式地考虑了网络中存在的约束.仿真结果显示DMAQM算法控制性能优于RED算法,在满足约束的前提下,具有较强的抗干扰能力,同时具有较好的稳定性和鲁棒性.     

一种基于双模控制的主动队列管理新算法

随机指数标记算法(REM)是一种有效的主动队列管理算法,但由于TCP/IP网络流量模型呈现非线性特性,故而其控制效果不佳,存在队列稳定性差,对动态流量响应慢等问题.为了解决上述问题,提出了基于双模控制的主动队列管理算法(Fuzzy-REM).算法采用分段控制策略,在瞬时队列偏差大于阈值时,采用模糊控制,反之采用REM控制,从而将模糊控制的快速响应和REM稳态性能好的优点结合起来.NS2中的仿真实验表明,相对于REM算法,Fuzzy-REM提高了队列稳定性,加快了收敛速度,增强了算法对网络环境变化的适应性.     

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。     

一种精确度加强的主动队列管理算法BLUE+

主动队列管理是IP拥塞控制的一种重要机制,BLUE算法作为一种典型的主动队列管理算法,使用丢包和连接空闲事件来控制拥塞,但是其性能还不稳定。对BLUE算法进行了改进,提出了一种精确度加强的主动队列管理算法BLUE+,并将其应用于区分服务(DiffServ)模型。仿真表明BLUE+能够进一步提高对队列的控制精确度,改善BLUE算法的性能,并且能有效地支持区分服务。     

基于灰预测的PID主动队列管理算法

提出一种基于灰色预测的智能 PID(GI-PID)主动队列管理(AQM)算法,该算法采用 GM(1,1)模型在线预测路由器队列长度,补偿滞后以解决网络状况反馈不及时的问题;同时根据队列误差的变化趋势,应用专家经验动态改变 PID 控制器的参数,使参数实时地随着网络环境变化而调整,实现智能控制.仿真试验表明,GI-PID 算法相比传统 PID 算法大幅度地抑制了队列长度的振荡,路由器队列收敛于期望值,同时具有较小的分组丢弃概率.     

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。     

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.     

不确定TCP流模型的离散H∞鲁棒主动队列管理算法

针对TCP/IP网络存在参数时变和不确定性下的拥塞控制问题,提出一种新的基于H∞状态反馈控制的离散鲁棒主动列队管理算法(AQM).该方法针对不确定TCP流模型,将短期突发流所占据的带宽作为系统的外部干扰,同时考虑时滞和参数不确定性因素,基于Lyapunov稳定性理论和线性矩阵不等式技术,设计了离散鲁棒状态反馈控制器以保证路由器队列响应的稳定性和鲁棒性.最后,通过NS-2仿真验证了本文方法的有效性.     

Adaptive neural queue management for TCP networks

Active Queue Management (AQM) is a proven strategy to efficiently maintain queues and ensure high utilization of Transmission Control Protocol (TCP) network resources. The fundamental mechanism is to manage incoming packet rates at a router to prevent incipient network congestion. In this paper, we present an efficient neural network AQM system as a queue controller. The recurrent neural network has a Multi-layer Perceptron-Infinite Impulse Response (MLP-IIR) structure. Three distinct neural AQMs are trained under different network scenarios involving traffic levels. Selecting one of three neural AQMs is based on posterior probability history of traffic level. In addition, we investigate stochastic modeling of the network dynamics by a Dynamic Bayesian Network (DBN). This model allows implementation of a predictive AQM system in which queue dynamics are predicted and used for error prediction via online DBN estimation. Our AQM method is evaluated through simulation experiments both using an Ordinary Differential Equation (ODE) network model and using OPNET^©. The simulation results demonstrate that our adaptive neural AQM outperforms Random Early Detection (RED) and Proportional-Integral-Derivative (PID) based AQM.     

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．     

基于时滞补偿的网络拥塞控制策略*

中间节点上的主动队列管理策略在保证较高吞吐量的基础上能有效控制队列长度和端到端时延,利用频率域模型降阶拟合方式建立了TCP流量控制中主动队列管理系统的等效模型,应用控制理论中的内模补偿原理设计鲁棒的延时补偿主动队列管理控制算法,克服了大时滞给对队列稳定造成的不利影响.仿真结果表明,该补偿方法在长时滞小期望队列综合性能明显优于已有的RED,REM,PI等算法,链路利用率大大提高.     

Performance evaluation for DRED discrete-time queueing network analytical model

Due to the rapid development in computer networks, congestion becomes a critical issue. Congestion usually occurs when the connection demands on network resources, i.e. buffer spaces, exceed the available ones. We propose in this paper a new discrete-time queueing network analytical model based on dynamic random early drop (DRED) algorithm to control the congestion in early stages. We apply our analytical model on two-queue nodes queueing network. Furthermore, we compare between the proposed analytical model and three known active queue management (AQM) algorithms, including DRED, random early detection (RED) and adaptive RED, in order to figure out which of them offers better quality of service (QoS). We also experimentally compare the queue nodes of the proposed analytical model and the three AQM methods in terms of different performance measures, including, average queue length, average queueing delay, throughput, packet loss probability, etc., aiming to determine the queue node that offers better performance.     

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.     

Anti-windup compensator for active queue management in TCP networks

In this paper, we apply a dynamic anti-windup scheme for improving the performance of a conventional proportional–integral (PI) controller for active queue management (AQM) supporting TCP flows. When a PI controller is used for AQM, the windup phenomenon of the integral action can cause performance degradation because the packet drop probability is limited between 0 and 1. Therefore we suggest a TCP/AQM model with a saturating actuator and apply a dynamic anti-windup method for improving the performance of the conventional PI AQM scheme. The proposed scheme not only provides graceful performance degradation, but also guarantees the stability of the overall system with the linearized TCP model. We verify the performance of the proposed scheme through ns-2 simulations. The simulation results show that our scheme outperforms the conventional PI controller when the traffic load is not stationary, which is always the case in real network environment.     

Design and analysis of a self-tuning feedback controller for the Internet

Active queue management (AQM) is an effective method used in Internet routers for congestion avoidance, and to achieve a tradeoff between link utilization and delay. The de facto standard, the random early detection (RED) AQM scheme, and most of its variants use average queue length as a congestion indicator to trigger packet dropping. This paper proposes a novel packet dropping scheme, called self-tuning proportional and integral RED (SPI-RED), as an extension of RED. SPI-RED is based on a self-tuning proportional and Integral feedback controller, which considers not only the average queue length at the current time point, but also the past queue lengths during a round-trip time to smooth the impact caused by short-lived traffic dynamics. Furthermore, we give theoretical analysis of the system stability and give guidelines for selection of feedback gains for the TCP/RED system to stabilize the average queue length at a desirable level. The proposed method can also be applied to the other variants of RED. Extensive simulations have been conducted with ns2. The simulation results have demonstrated that the proposed SPI-RED algorithm outperforms the existing AQM schemes in terms of drop probability and stability.