基于队列长度和速率的拥塞控制神经网络方法

文中研究了网络拥塞控制问题。PID控制器是实现网络拥塞控制非常有效的方法,能够实现对网络的主动队列管理。文中根据队列长度和变化速率,利用神经网络实现传统的比例微分积分器（PID）功能,从而提出了基于队列长度和速率的拥塞控制神经网络方法（RSPID）。该方法利用神经网络的加权动量梯度学习算法,自动调节控制参数,克服了传统PID控制方法由于控制器参数固定带来的适应性和稳定性问题。仿真结果表明,RSPID算法的鲁棒性和队列长度性能要优于PID算法。     

模糊自适应算法在网络主动队列管理中的研究

为了改善由于RED算法控制的主动队列管理策略(AQM)系统引起网络响应时间过长,许多文献提出了基于P/PI控制器的AQM策略。但是,由于网络具有非线性特点,论文设计了一种模糊自适应PID控制器的主动队列管理系统,根据队列长度和队列长度变化通过模糊控制规则在线调整PID控制器参数,并用Matlab进行了仿真,验证了当网络出现突发分组时,该算法能够较快的使分组稳定在队列阀值附近,同时不产生队列震荡。     

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.     

一种新的网络拥塞控制算法:API-V

针对PI控制器响应速度的不足,提出一种自适应网络动态变化的主动队列管理算法：API-V控制器．在PI控制器的基础上,根据瞬时队列长度增加速度控制,根据实时测量链路的数据包丢失率获得当前的负载信息,动态调整PI算法中的有关参数．理论分析和仿真结果表明,相对于PI控制器及其改进算法,API-V控制器具有更快的响应速度、收敛速度和更小的队列抖动,并且提高了缓冲区的利用率．     

大时滞网络自适应主动队列管理新算法

针对PID控制器无法严格处理主动队列管理（AQM）中的大时滞情况,且不能随着变化的网络环境在线调节参数,提出了一种基于增益自适应Smith预估控制和模糊控制的大时滞网络的自适应PID主动队列管理（GAS-FPID）算法。引入增益自适应Smith预估控制器实现滞后补偿,模糊控制器来实现PID参数动态网络环境的在线调整;NS2仿真表明,所提出算法能克服滞后的影响,能快速的适应动态网络环境,具有很好的稳定性和鲁棒性。     

基于速度控制的API网络拥塞控制策略

本文针对PI控制器响应速度方面的不足,提出了一种自适应网络动态变化新的主动队列管理算法--API-V控制器。在PI控制器的基础上,根据瞬时队列长度,增加速度控制;根据实时测量链路的数据包丢失率,获得当前的负载信息,动态调整PI算法中的有关参数。理论分析和仿真表明,API-V控制器相对于PI控制器及其改进算法,不仅具有更快响应速度和收敛速度、更小的队列抖动,而且提高了缓冲区的利用率。     

基于PID神经元网络和内模控制的拥塞控制算法*

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。     

显示拥塞指示标记的主动队列管理研究

主动队列管理对于解决网路拥塞具有重要意义。针对PID主动队列管理算法在调节队列长度时有较大的丢包率这一缺点,提出一种显示拥塞指示标记即ECN标记的PID主动队列管理算法。该算法用显示拥塞指示标记取代丢包机制,用于通知源端网络即将发生拥塞,采用PID控制器实现反馈控制,保证系统的稳定性。仿真结果表明,显示拥塞指示标记的主动队列管理算法适用于多变的网络环境,比PID算法具有低丢包率、低延时和高吞吐量的特点。     

基于CMAC-PID并行控制的主动队列管理方法

主动队列管理对于解决日益严重的网络拥塞问题具有极其重要的意义。本文针对PID主动队列管理算法的参数整定难且不能实时调整,不能适应复杂、非线性网络环境的缺点,提出了一种基于小脑神经网络(CMAC)与PID控制相结合的主动队列管理算法。该算法利用CMAC前馈补偿来确保跟踪误差的快速收敛,降低超调量,采用PID控制器实现回馈控制,保证系统的稳定性,而且抑制扰动。仿真结果表明,基于CMAC-PID并行控制的主动队列管理方法适应于多变的网络环境,较之常规PID主动队列管理算法具有输出误差小、响应速度快、鲁棒性强的优点。     

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统.该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率.实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度.     

改进神经元PID无线拥塞研究

神经元PID算法能较好地控制瓶颈节点的队列长度,但当网络环境发生较大变化时,其控制效果往往难以保证。根据Ad Hoc网络环境参量时变的特点,推导了无线TCP/AQM离散模型,在神经元算法的加权系数中引入二次型性能指标。另外神经元增益K是系统敏感参数,而恒定的K值不易适应时变的无线自组织网络,据此设计了一种改进二次型性能指标神经元PID的AQM。仿真结果表明：在动态拓扑、突发流及链路容量变化的Ad Hoc网络中,该改进算法优于PI算法。     

应用于Ad Hoc网络TCP/AQM的神经网络PID控制器优化设计

主动队列管理(AQM)PID(Proportional integral derivative)算法的控制效果取决于比例、积分及微分系数的整定,但传统整定往往基于试凑方法和经验知识。根据Ad Hoc网络参量时变的特点,推导Ad Hoc网络的TCP/AQM模型,利用遗传算法动态调整RBF(Radial Basis Function)神经网络PID控制器系数,提出基于遗传算法的RBF神经网络PID-AQM。仿真表明,相较RBF-PID,新算法在信道状态复杂的Ad Hoc网络健壮性更好,并具有较好的队列控制效果。     

基于SVM整定PID控制参数的网络拥塞控制AQM算法

针对PID主动队列管理(AQM)中参数自整定、无法适应复杂的非线性网络环境等缺点,提出一种基于最小二乘支持向量机(LS-SVM)与PID控制相结合的智能AQM算法——LSPID算法。仿真实验表明,LSPID算法具有更好的收敛性,能将队列长度更加快速地收敛到期望值附件,在动态拓扑、链路容量变化、有突发流的网络环境中能很好地保持稳定性和鲁棒性,其控制效果比专家智能PID和神经网络PID主动队列管理算法都更优越。     

A robust fractional-order PID controller design based on active queue management for TCP network

In this paper, a robust fractional-order controller is designed to control the congestion in transmission control protocol (TCP) networks with time-varying parameters. Fractional controllers can increase the stability and robustness. Regardless of advantages of fractional controllers, they are still not common in congestion control in TCP networks. The network parameters are time-varying, so the robust stability is important in congestion controller design. Therefore, we focused on the robust controller design. The fractional PID controller is developed based on active queue management (AQM). D-partition technique is used. The most important property of designed controller is the robustness to the time-varying parameters of the TCP network. The vertex quasi-polynomials of the closed-loop characteristic equation are obtained, and the stability boundaries are calculated for each vertex quasi-polynomial. The intersection of all stability regions is insensitive to network parameter variations, and results in robust stability of TCP/AQM system. NS-2 simulations show that the proposed algorithm provides a stable queue length. Moreover, simulations show smaller oscillations of the queue length and less packet drop probability for FPID compared to PI and PID controllers. We can conclude from NS-2 simulations that the average packet loss probability variations are negligible when the network parameters change.     

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。