PFWRR:能实现比例公平的增强型WRR

为了实现比例公平原则,在加权轮循调度(WRR)算法的基础上提出了比例公平WRR调度算法——PFWRR.PFWRR依据各队列的平均分组到达率,调整各队列的调度权值,从而在当队列长度小于等于缓冲长度时,保证各队列的平均分组排队时延符合给定比例;当队列长度大于缓冲时,保证各队列的平均分组丢失率符合给定比例.PFWRR的计算负荷是合理的,因为它仅当系统超载且平均分组到达率发生变化时,才调整各队列的服务率.实测性能显示:当系统超载且不出现分组丢失时,PFWRR实现了比例平均分组排队时延保证,当系统出现分组丢失时,PFWRR实现了比例平均分组丢失率保证.     

一种使用历史信息的长期公平队列调度算法

经典的基于时延的队列调度仅关注调度时刻的队列延时,对历史信息并无记忆性,从而在业务流突变时排队延时公平性无法得到保障。本文提出一种长期公平调度算法,不仅综合考虑队列长度、到达速率等即时参量,而且考虑历史参量--历史延时累计量,使得调度更加理性,排队延时不会随流量突变而突变。另外,3个调度参量的关系式并非人为给出,而是通过对长期公平性的建模和对长期优化问题的推导得来。仿真对比了WRR, RPF, EDF算法,证实该算法中的队列延时不仅具有较高的公平性还具有较高的稳定性。     

基于比例公平的下行联合分组调度算法

传统比例公平算法不能很好地权衡系统吞吐量与用户间的公平性,为实现下行链路实时和非实时用户数据量的同步传输,提出一种基于比例公平的下行联合分组调度算法.给出调度模型和传输架构,从而获得联合分组调度算法.设计基线调度算法与其进行比较,结果表明,当系统负载为1时,该算法的吞吐量约提升13％,实时数据与非实时数据包时延均低于基线调度算法,且用户公平性指数较高.     

改进WFQ算法在列车网络调度中的应用研究

随着我国轨道交通迅猛地发展,基于TCN的列车网络已经不能满足列车数据传输业务的需求,列车控制与服务网络TCSN应运而生。针对列车数据传输业务研究了基于综合服务模型的列车通信网络,建立了四类列车业务流量模型,分析了网络分组的加权公平队列调度算法（WFQ）,设计了基于服务分类和带宽分配的加权公平队列调度算法（SCBAWFQ）,并且利用仿真软件对恒定数据流和突发数据流分别在WFQ与SCBAWFQ算法下的时延进行了仿真与分析,仿真结果证明改进算法在降低实时业务流延时方面有很好的效果,SCBAWFQ算法既保持了WFQ算法的公平性又满足实时业务服务质量的需求。     

基于Fibonacci的动态带宽分配算法

针对WiMAX系统中混合业务的特点,提出一种基于Fibonacci的动态带宽分配算法。介绍Fibonacci数列以及带宽调度的体系结构,对于实时轮询业务,在达到其能容忍的最大时延之前完成带宽分配。实验结果表明,与亏空公平优先队列算法相比,该算法能满足不同类型业务的QoS需求,提高系统吞吐量,且具有较好的服务公平性。     

3-gated：WLAN中基于负载自适应的动态调度机制

本文针对实时业务在网络负载增加情况下的特点,改进了文[3]的结果,提出了一种新的无线网络MAC层动态调度机制:3-gated调度算法.该机制实现简单,并且可以在不改变现有协议构架甚至不增加开销的基础上较好解决实时业务在网络负载加大环境下用户时延QoS不能得到满足的问题.运用嵌入式马尔可夫链理论和多维概率母函数的方法对该算法进行建模,得到了改进后网络队列缓存的平均排队队长和信息分组平均时延理论解析式.通过仿真验证了理论分析的有效性,表明3-gated算法性能十分接近对称业务最优算法--完全服务调度算法,并避免了后者公平性差的弊端.     

小无线网络中基于BLUF的包调度算法

在无线网络的多用户资源分配中,一个重要的问题就是设计高效的调度算法来保证用户的公平性,并充分利用有限资源和保证用户服务质量要求。提出一种基于缓冲区长度效用函数的多用户包调度（BLUF）算法,该算法充分考虑无线信道的时变特性,用缓冲区长度的效用函数来表示调度的服务质量需求的紧急程度,用户当前信道速率与其获得的平均信道速率的比值表示用户公平性和系统效率的权衡程度。仿真结果表明,与存在的比例公平性无线包调度（PFS）算法相比,BLUF算法能够保证实时任务的时延需求的前提下,获得更好的公平性、系统吞吐量等性能。     

多用户正交频分复用加权比例公平调度

传统的正交频分复用(OFDM)调度进行资源分配时没有考虑用户间速率比例公平性。针对这一问题,提出了一种新的适合于混合业务的多用户OFDM系统比例公平调度方案,其用户队列承载混合类型业务。该方案在用户间速率成比例约束条件下最大化系统权重容量和;授予用户队列中不同类型的分组不同的权重因子,并通过权重因子计算用户的权重;在子载波分配时不仅定义了信道优先级因子,而且在用户间速率成比例公平约束条件下通过该因子为用户分配子载波;最后推导出一种线性的功率分配方式。仿真结果与分析显示,该方案可以较好地满足用户速率和业务时延的需求,且可以在有效提高系统容量的基础上,严格地保证用户容量公平性。     

调度和拥塞控制相结合的无线网络资源分配模型

研究了基于WLAN访问Internet的网络基站处流,提出了一种基于队列长度的调度方法和基于信道容量的拥塞控制模式,以达到网络资源的公平分配,并解决由于不恰当处理基站处堆积数据包而引起的弊端。在提出的资源分配模型中,调度算法根据各条流堆积的队列长度来随机地选择将要发送的数据分组;而拥塞控制模式中,将链路使用率作为拥塞指示,通过计算,平等地反馈给每一条流的发送端。发送端根据反馈到的拥塞信息来调整发送速率,以达到资源分配的公平性。仿真的结果表明：各条流能公平地共享无线网络的带宽。此算法的最大的优点在于基站不需要按照某种特定的公平性定义来选择数据包却能达到很高的公平性。     

基于区分服务的队列调度算法研究

文中分析了在区分服务(DiffServ)模型下的WRR和DWRR调度算法的优缺点,提出了一种DWRR的改进调度算法DWRR+.该算法根据当前队列中分组的长度动态设置一次服务中发送分组的最大字节数,既保证了低权值业务的延迟特性,又保证带宽分配相对的公平性,避免了低优先级队列可能长时间得不到服务的缺点,改善了DWRR算法不能很好满足业务的时延特性.使用NS-2网络仿真器进行算法性能评价,仿真结果表明DWRR+算法在保证输出带宽的前提下降低了延时,可以在一定程度上保证不同业务的服务质量.     

基于TdPN的中小流量交叉口信号控制研究

针对城市中小流量交叉口交通拥堵问题,提出了一种基于时延Petri网(Timed Petri Net, TdPN)的可变相序信号控制模型。利用TdPN建立交叉口车流模型和信号控制模型,结合马尔可夫链,建立交通流的动态生成模型。通过将通行权赋予当前等待车辆数最大的相位来实现相位的随机选择。以平均延迟时间最小为优化目标,通过遗传算法求解最优相位配时。在信号周期固定的情况下,分析基于TdPN的四相位可变相序控制模型在不平衡交通流下对交叉口平均排队长度的影响,并将此模型与四相位固定相序控制模型进行对比。研究结果表明,该方案在单位时间内有效地减少了交叉口的平均排队长度。     

动态调整调度配额的TCSN调度算法*

针对列车控制与服务网（TCSN）的区分服务需求,进行了调度算法研究,提出了一种基于动态调整调度配额的算法DWDRR。该算法在原有的WDRR（加权差额轮询算法）算法基础上增加了调度配额的计算,并根据队列的数据流量到达率、时延优先级、丢包优先级和网络的当前状况综合地决定各个队列的调度配额,实现比例公平的调度。并通过仿真分析证明该调度算法可以根据各队列在不同网络状态下流量到达率、优先级动态地决定队列的调度配额,从而满足TCSN根据不同到达率、优先级进行区分服务的需求。     

基于GA-PDD的干线信号协调控制优化

针对城市交通干线负荷量大、信号配时计算效率低、协调优化约束条件多的特点,提出了基于比例分配解码方法的遗传算法(GA-PDD)协调控制策略,采用交通波理论建立了排队长度预测模型并以干线系统内车辆平均延误时间最小为目标函数建立了遗传算法优化模型,采用比例分配解码方法来进行求解.分别采用单点信号控制、定时协调信号控制和基于GA-PDD的协调控制3种控制策略对某城市干线实例进行对比仿真实验,仿真结果表明,随着调用周期的增大,GA-PDD控制策略的车辆平均停车次数和延误时间逐渐减小,调用周期在15 min及以上时,优于单点信号控制和定时协调控制,验证了不频繁剧烈地改变干线上的信号周期和相位差时,GA-PDD控制策略具有可行性和有效性.     

PFED:一种基于预测的公平的主动队列管理算法

对多个著名的主动队列管理算法进行了深入的理论分析和实验比较，对它们的优点和不足进行了总结，并在此基础上提出了一种新的主动队列管理算法PFED（prediction-based fair early drop）．PFED的主要目标是：①通过对流量较为精确的预测，结合对分组丢弃概率更为合理的计算，将队列长度的变化稳定在一个理想的水平；②对非响应流实施有效的惩罚，提高算法的公平性；③通过合理的分组丢弃将队列（分组）的到达速率控制在链路的服务速率之下．仿真实验表明，PFED很好地实现了上述3个目标．     

DiffServ中基于优先级的队列调度算法

为了提高DWRR算法的时延性能及应对突发流的能力,文中结合比例时延区分服务模型,在DWRR算法的基础上提出了一种能够体现优先级的队列调度算法-PDDRR。该算法的控制目标是保证各业务流的平均排队时延在无突发业务流时维持在给定的比率,而在应对突发流时忽略时延的比例公平原则,根据网络实时负载动态地调整各队列的权值,合理地分配资源。仿真结果表明,算法不仅能实现不同优先级业务的时延区分,而且在业务流突发时为各等级业务提供服务质量保证。     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

考虑边界交叉口交通拥堵的反馈阀门控制

基于路网宏观基本图(macroscopic fundamental diagram, MFD)实施城市区域交通控制时,为了防止边界交叉口受阻方向的车辆排队长度过长,同时提高路网内车辆完成率,提出了考虑受控区域边界交叉口交通拥堵状况的交通流反馈阀门控制方法,通过对边界控制阀门处路段存放车辆富余空间的分析,提出了阀门交叉口位置和数量选择模型;针对可能造成的阀门交叉口交通拥堵,提出了受控区域边界拥堵交通流分配算法,也即通过提前调节阀门上游交叉口的绿灯时间,把部分交通流提前控制在其它相邻上游交叉口.通过实际路网仿真,结果表明该方法可以有效控制阀门交叉口的车辆排队长度,降低阀门交叉口车辆平均延误时间和平均停车次数.     

加权比例公平群智能跨层资源分配算法

针对多用户OFDM系统,提出两种适用于混合业务的加权比例公平跨层资源分配方案。该方案假设系统用户拥有多个队列,每个队列分别承载不同类型的业务。在MAC层,所提的两种方案都实施加权比例公平调度。该调度先为用户队列中不同分组授予不同的权重,再通过该权重值计算用户权重,并对每个用户的分组进行排序,最后根据系统中各用户待传数据量之比设置用户间速率成比例约束条件。在物理层,这两种方案不仅都将用户间速率成比例约束条件下系统权重容量和的最大化作为优化目标,而且都在该目标下将群智能算法引入其资源分配。但有所不同的是,方案1将人工鱼群算法引入其子载波分配,用新推导的功率分配方式进行功率分配;方案2将云自适应粒子群算法引入其子载波分配,用人口迁移算法进行功率分配。在此基础上,两种方案都依据由加权比例公平调度提供的各用户分组排序结果传送分组。数值仿真与性能分析显示,这两种方案能在满足用户业务流时延需求和保证用户公平性的基础上,有效提高系统总速率。     

基于深度强化学习的交通信号控制方法

交通信号的智能控制是智能交通研究中的热点问题。为更加及时有效地自适应协调交通,文中提出了一种基于分布式深度强化学习的交通信号控制模型,采用深度神经网络框架,利用目标网络、双Q网络、价值分布提升模型表现。将交叉路口的高维实时交通信息离散化建模并与相应车道上的等待时间、队列长度、延迟时间、相位信息等整合作为状态输入,在对相位序列及动作、奖励做出恰当定义的基础上,在线学习交通信号的控制策略,实现交通信号Agent的自适应控制。为验证所提算法,在SUMO(Simulation of Urban Mobility)中相同设置下,将其与3种典型的深度强化学习算法进行对比。实验结果表明,基于分布式的深度强化学习算法在交通信号Agent的控制中具有更好的效率和鲁棒性,且在交叉路口车辆的平均延迟、行驶时间、队列长度、等待时间等方面具有更好的性能表现。