一种新的拥塞控制算法-PVegas

针对源端算法TCP Vegas在持续拥塞和公平性等方面的不足，该文引入非线性最优化流控理论．把TCP Vegas和中间结点算法有效地结合起来，提出了一种新拥塞控制算：PVegas（价格Vegas算法）。仿真结果表明，该算法不但能很好地解决网络的持续拥塞，而且相对于TCPVegas有更好的公平性、稳定性以及低丢包率。     

一种新的流媒体拥塞控制算法

提出一种新的拥塞控制算法(TCP MS).该算法更适用于流媒体应用,有更高的带宽利用率、公平性,传输速率也更平滑.不同于传统的利用丢包率和排队延迟来探测拥塞的TCP拥塞控制算法,该算法通过确认数据包的速率来探测拥塞,并在每一轮往返时间内及时调整窗口.该算法提供的拥塞窗口变化更准确,传输速率抖动更小.因此,提高了网络带宽的利用率以及传输速率的平滑性.最后,文章将TCP MS与典型的基于丢包率的TCP Reno算法和基于排队延迟的TCP Vegas算法在带宽利用率、速率抖动以及公平性等方面分别做了比较,仿真结果表明TCP MS是一种理想的流媒体拥塞控制算法.     

基于神经网络监督控制的拥塞控制算法研究

提出了一个基于神经网络控制的主动队列管理（AQM）算法;研究了TCP/AQM拥塞控制系统的可逆性,并利用一种神经网络监督控制结构进行了AQM算法的设计。算法由一个三层前馈结构的神经网络控制器（neural network controller,NNC）和一个反馈控制器（feedback controller,FC）组成。NNC作为一个前馈控制器,通过FC产生的教师信号进行学习,以建立被控对象的逆动力学模型。仿真结果表明,提出的算法与PI（proportional-integral）算法相比,无论在瞬态性能     

一类基于速率的PD拥塞控制方法

运用现代控制理论和方法，针对计算机高速互联网中最大努力服务交通流(即能控交通流)的调节问题，提出了一种基于速率的、具有比例加微分(PD)控制器结构的拥塞控制理论和方法。在多个信源节点、单个信终端节点、交通流的模型基础上，运用控制理论中系统稳定性分析方法，讨论如何利用信终端节点缓冲占有量的比例加微分的反馈形式，来调节信源节点的能控交通流(ABR)的输入速率，从而使被控网络节点的缓冲占有量趋于稳定。仿真结果显示，在所设计的PD控制方案下，网络的有关性能较好。     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制（GPC）相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络“黑箱”的功能达到对非线性系统的预测控制。以机器人为控制对象进行仿真,取得了较好的控制效果。     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制(GPC)相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络"黑箱"的功能达到对非线性系统的预测控制.以机器人为控制对象进行仿真,取得了较好的控制效果.     

一种改进的主动拥塞控制算法

在已有的主动网络拥塞控制机制(ACC)中,通过丢包的方式缓减拥塞。TCP拥塞控制机制起主导作用,但不能满足现有网络环境要求。该文提出一种改进的ACC算法,该算法将拥塞控制参数嵌入到每个主动包中,通过驻留在主动路由器中的拥塞控制代码,对参数进行相应修改,从而达到拥塞预防和控制的目的。仿真结果表明,该方法具有较好的网络带宽利用率和公平性,丢包概率接近0。     

一种基于PGM的单速率组播拥塞控制方案

PGM(pragmatic general multicast)是一种在IP协议中广泛应用的可靠的组播传输协议.但PGM标准本身没有拥塞控制方案,不能实时响应网络需求,及时地调节源端发送速率.针对这个问题,在保证PGM协议可扩展性的基础上,在发送方与CLR(current limiting receiver)之间采用了一种新的闭环控制器来实时地调节源端的发送速率,使其逐渐趋于稳定,并具有较快的响应速度.而且在网络拓扑结构动态变化的情况下,对所提出的拥塞控制方案进行了仿真实验.仿真结果表明,所提出的算法具有较好的可扩展性、稳定性和较快的响应速度,控制方案使网络性能表现良好.     

一种基于遗传BP神经网络的预测模型

目前神经网络常用于数据挖掘及金融预测中,提出了一个改进的稳定且高效的遗传BP神经网络预测模型.在该模型中提出了一种能够真实反映BP网络结构的编码,并对二进制编码与实数进行映射而不改变染色体的表达方式,以便更好地进行杂交变异.同时还提出了一种更能准确地反映网络误差的误差函数,它是利用相对误差并综合其他相关因素来定义的,通过实验对比分析,该误差函数使预测更加准确.最后,从编码方式以及网络误差出发提出了相应的遗传算法的适应度函数.实验中对股票及其他数据进行了测试,并与其他的预测模型进行了对比分析.通过实验表明,提出的遗传BP神经网络模型适用于长趋式预测,同时预测结果准确率高.     

一种改进的高速TCP拥塞控制算法

论文在深入分析了高速TCP协议的缺点和不足的基础上,提出了一种基于双重拥塞避免的高速TCP拥塞控制算法DA-HSTCP,并对改进算法进行了深入分析。测试结果表明改进后的算法提高了高速TCP协议的传输性能。     

等离子喷涂过程的BP神经网络自适应控制*

分析了ＢＰ网络辨识器和控制器的常规训练方法存在的不足之处及其限制，提出了一种通过网格辨识器的灵敏度网络反传对象的误差来训练ＢＰ网络控制器的新方法，根据ＢＰ网络放自适应控制的相容性，提出了一种新的ＢＰ网络自适应控制结构，并利用ＢＰ网络辩识器的灵敏度网络训练ＢＰ网络控制器的思想，来调整ＢＰ网络控制器的参数，等离子喷涂过程控制模型的训练研究表明其效果良好。     

一种适用于Ad Hoc网络的拥塞控制算法

Ad hoc网络是一种无基础设施、无中心控制的分布式自组织网络,在紧急情况下能够迅速搭建.目前,在IEEE802.11协议基础上所搭建的ad hoc网络面临的主要问题是在信道达到饱和时,其链路层时延明显增加,以至于其上层的协议无法正常工作.本文提出了一种结合链路层及传输层的拥塞控制算法,通过对传输层拥塞窗口的控制、以及引入报文生命期及优先级,使得网络即使在大业务量时,链路层依然能够保持很低的时延,同时大幅度地提高传输层吞吐率.最后通过仿真,验证了该算法的有效性.     

一种基于遗传优化的神经网络水印

提出一种新的遗传算法和神经网络彩色图像水印研究,在检测水印的过程中,利用遗传算法来优化BP神经网络的权值矩阵与初值,构建出内在的隐含关系,然后利用训练好的BP神经网络来融合提取水印.实验证明该算法保持不可觉察性,并且水印的鲁棒性比BP神经网络的更强.     

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。     

基于BP神经网络PID的漂白温度控制算法的研究

本文讨论了使用BP神经网络PID控制算法,并且将这种控制算法应用在漂白工段的控制当中。利用神经网络自学习能力,在线整定PID控制参数。实践证明BP神经网络PID控制器具有实现简单,适应性强,具有较高的控制精度等特点。     

BP网络的PID型二阶快速学习算法

本文利用PID控制的思想,提出了BP网络的一种二阶快速学习算法,给出了学习因子选择的必要条件与较佳区域,并结合一非线性正弦函数进行了仿真研究.结果表明,较之标标准BP学习算法,利用此法可使学习收敛速度提高22倍左右.     

利用人工神经网络SNC进行最优励磁控制

BP神经网络是一种多层结构的映射网络。由于它计算简单、存储量小，并具有分布并行处理特性，所以是目前应用最广的一种模型。本文设计了一种BP神经网络的监督学习控制器（SNC），在线性最优励磁控制的基础上，利用3层BP神经网络对柴油发电机的控制过程进行监督学习。通过对网络的训练，使其能达到实时控制的目的。仿真结果表明，所设计的SNC在系统运行方式较大的变化范围内，都能提供很好的控制性能。     

一种基于BP神经网络的异步电动机转子速度辨识

针对异步电动机直接转矩控制系统,基于三相异步电机方程提出一种新型的采用人工神经网络辨识电机转速的方法.利用BP神经网络强大的函数逼近能力,对电机转速进行在线辨识.理论推导证明了其可行性,仿真和试验结果表明了该方法具有较好的静动态性能.     

Smith原则应用于多链路网络的拥塞控制

利用传统控制理论和Smith原则设计了一种计算机网络拥塞控制方案,数学分析和仿真结果表明该拥塞控制方案使得网络中的缓冲队列占有量较小,并且网络受控输出速率的抖动性较小,从而提高了网络的吞吐量,优化了网络的性能。