基于机器学习的网络拥塞控制研究

拥塞控制是网络研究的经典课题,可以避免网络因拥塞而性能下降。其在互联网的发展中扮演着重要的角色。近年来,随着机器学习、深度学习和强化学习的兴起,给拥塞控制提供了新的思路。对网络拥塞控制的机制进行了详细分析,阐述了国内外对于该领域的研究现状及进展,将有代表性的解决方案分为基于规则的解决方案、基于路由反馈的解决方案和智能解决方案3类,并详细分析了各方案的原理及优缺点。     

网络拥塞控制概述

概述了目前网络拥塞控制的研究现状、常用算法和发展方向;拥塞控制的目标就是要达到链路吞吐量的最大化、分组延迟的最小化、各用户之间资源分配的合理化和尽可能少地丢弃数据包。     

基于神经网络预测算法的网络拥塞控制

论文将神经网络应用到网络的拥寨控制中，通过神经网络来预测网络拥塞的发生，从而有效避免网络拥寨，保证网络的稳定运行。仿真实验验证了算法的有效性。     

因特网多播拥塞控制机制研究

简述了目前多播拥塞控制机制的研究进展状况。首先,从公平性和可扩展性两个方面介绍了多播拥塞控制的基本要求;然后,分析了算法设计中的基本问题;最后,指出了未来的研究热点。     

网络拥塞控制的策略及算法分析

本文分析了网络发生拥塞的原因，提出了拥塞控制的基本策略及拥塞控制的加增／乘减算法的具体分析。     

BACnet网络拥塞控制机制分析与建模

首先介绍了网络拥塞及拥塞控制的基本概念,然后通过分析BACnet协议的特点和网络层报文的处理过程,阐述了BACnet网络拥塞控制机制的工作机理。在此基础上,分别建立了基于概率丢失和基于优先级的网络拥塞控制模型,从而为进一步改善BACnet网络的性能提供了新的思路和方法。     

ATM网络拥塞和服务质量的控制

给出了ＡＴＭ网络的各种业务类型和业务特性，对ＡＴＭ网络拥塞和服务质量控制的基本方法进行了分析，并主存在的一些问题和解决途径进行了讨论。     

网络拥塞控制机制发展现状及研究思路探讨

现行网络拥塞控制机制已滞后于信息网络的高速发展,逐渐成为制约网络性能提升的瓶颈.从传统拥塞控制机制在复杂多变的异构网络环境中面临的诸多问题人手,概括总结了网络拥塞控制机制的研究发展现状,并强调了异构通信网络中拥塞控制问题的特殊性.在此基础上,提出了利用网络测量、多路径路由和跨层设计等技术手段和方法来设计适应异构网络环境的拥塞控制机制的新思路,并探讨了今后有待研究的技术问题、预期的目标和拟采用的研究方案.     

混合网络中基于带宽估计的拥塞控制

针对目前带宽估计技术被引入到网络拥塞解决方案中的情况,分析了带宽估计方法和影响带宽估计的因素,总结了现有基于带宽估计的拥塞控制算法及其存在的问题,最后展望了未来的研究方向.     

基于TCP协议的网络拥塞控制改进算法的研究

针对多媒体信息在 Internet上传输易出现拥塞的问题 ,分析了 TCP拥塞控制的机制 ,根据 RTT、TCP/ UPD的相互作用是影响拥塞控制和带宽保证的主要原因 ,提出了一种改进 TCP拥塞控制机制的解决方案 ,新的 RTT估计方法经 NS2仿真表明改进后的 RTT估计方法具有更强的抑制扰动能力和更好的鲁棒性     

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.     

一种无线传感器网络拥塞控制方法

针对Zigbee网络树型拓扑模型,给出一种控制网络拥塞的改进方法。使用基于介数的Zigbee生成树模型和平均场理论对Zigbee网络传输临界值进行理论分析,得到导致网络拥塞的临界值的解析表示式,再利用数据融合算法,给出了降低网络拥塞的方法。仿真表明,在网络流量不变的情况下,改进算法与Zigbee协议相比,时延降低大约20%。     

Novel flow control mechanism based on improved BP neural network in cognitive packet network

In this paper, a novel flow control mechanism in cognitive packet network (CPN) based on the improved back propagation (BP) neural network is proposed, considering the flow distribution status predicted by BP neural network when packets are routed. The objective is to increase the capacity of CPN and improve the quality of service (QoS) by achieving flow balance. Besides, considering the slow convergence speed of traditional BP algorithm and the quick change of the flow status in cognitive packet network, an improved BP algorithm with dynamic learning rate is designed in order to achieve a higher convergence speed. The mechanism, which we propose, regards the predicated traffic data as an important factor when packets are routed to implement flow control. By achieving balance, the quality of network can be improved obviously. The simulation results show that the proposed mechanism provides better average time delay and packets loss ratio.     

网络拥塞原因及控制策略研究

为了解决因特网的拥塞问题,对导致网络拥塞的原因进行探讨,介绍传输控制协议(Transmission Control Protocol,TCP)拥塞控制的原理及其基本算法,并针对慢启动算法提出改进算法。新算法通过实时带宽测量以及将慢启动后期分阶段实现,从而在大容量网络中提高信道利用率,并减少慢启动后期可能出现的大量丢包。仿真结果表明,改进算法具有更好的性能。     

BBR拥塞控制算法在无线网络中的性能改进

传统的拥塞控制算法已经不能满足当前复杂的网络环境,谷歌提出的BBR算法(Bottleneck Bandwidth and Round-Trip)为拥塞控制提供了一种新思路,它可以在具有一定丢包率的网络链路上充分利用带宽,并保证较低的时延.但是该算法存在以下问题:首先,当无线网络的时延剧烈抖动时,BBR具有很低的传输速率,即便网络不丢包且此时未发生拥塞,这一问题在以往的论文中还没有人提出过;其次,BBR对网络带宽的降低不够敏感.本文详细分析以上问题出现的原因,进而提出改进BBR算法:通过比较RTT的均值和标准差判断网络时延的抖动程度,在时延抖动很剧烈时,使用RTT的均值取代最小RTT来计算拥塞窗口;在网络不稳定时,降低PROBE_BW状态中平稳阶段的时间长度.在实际网络中的实验表明,改进后的BBR算法几乎不受时延波动的影响,随着时延波动程度的提高,改进后算法的传输速率基本保持不变,在BBR几乎不能工作时仍能保持正常的传输速率;而且改进后的BBR算法在网络不稳定时能够更快地探测到网络带宽的降低并收敛.     

Research on traffic congestion mechanism and countermeasures based on dynamic traffic assignment

Traffic congestion greatly influences city develop-ment and activity efficiency. It seriously interferes withthe residents’work and life. To understand the law oftraffic congestion, two causes should be considered.First cause of traffic congestion is irrational planning ofthe city and its road’s network. Improper facility usagewith deficient capacity accompanied with unbalancedflow distribution causes some facilities’to super satu-rate. Also unsuitable TMC (Traffic management andcontrol) …     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.