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。     

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。     

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．     

单神经元自适应PID控制器在AQM中的应用

主动队列管理(AQM)对于保持TCP网络高性能是一种有效的策略。AQM的基本机制是调节数据包进入路由器缓冲区的速率,从而避免网络拥塞。针对传统PID控制器在拥塞控制过程中参数固定的缺点,将神经网络理论引入AQM的研究中,设计了一种改进的单神经元自适应PID主动队列管理器。基于NS2平台的仿真结果表明,与PID控制器及传统的单神经元自适应PID控制器相比,改进的控制器对网络环境的变化有更强的适应能力和更好的稳定性。     

一种基于神经元强化学习的网络拥塞控制方法

提出了一种基于神经元强化学习(Neuron-based Reinforcement Learning,NRL)的自适应AQM算法,采用链路速率和队列长度作为拥塞指示,可根据网络环境的变化在线自动调整神经元参数,从而保持良好的队列长度稳定性和对网络负载波动的鲁棒性.该算法结构简单、易于实现,且不依赖对象的模型.仿真结果表明,该算法尤其适合于解决复杂不确定性网络的拥塞控制问题,并具有更好的队列稳定性和鲁棒性.     

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.     

主动队列管理中PID控制器的解析设计方法

主动队列管理(active queue management,简称AQM)是一个非常活跃的研究领域.作为对终端系统上拥塞控制的一种补充,中间节点的AQM策略在保证较高吞吐量的基础上可以有效地控制队列长度.基于TCP/AQM控制论模型,使用H(最优控制理论,以解析的方法设计了新型PID控制器.该控制器的特点是:控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折衷.通过NS仿真并与其他算法相比较,验证了所设计的控制器的性能.结果显示,所设计的PID控制器性能优于其他算法.     

基于速率和队长的大时滞网络AQM算法

针对网络拥塞控制系统在大时滞网络中产生的不利影响,提出一种基于速率和队长的大时滞网络AQM算法。该算法采用缓冲区队列长度和包到达速率作为网络拥塞的判别依据,在结合Smith预估的模糊PID控制方法中加入速率控制项。仿真表明该算法在大时滞和网络动态变化的环境中拥塞响应较快、收敛时间短,并能较好地将队列长度稳定到期望值附近,提高缓冲区的利用率。     

随机早期检测RED及其改进算法的研究

目前,拥塞控制是Internet的一个研究热点。在网络通信中,仅仅靠端到端的TCP层基于滑动窗口的流量控制已很难满足网络中日益增长的业务量的要求,因此,网络本身必须采用某种手段参与拥塞控制。主动列队管理(AQM)作为目前路由器中广泛采用的拥塞控制策略,在保证较高吞吐量的基础上有效地控制队列的长度,让IP层参与了资源的分配控制工作。该文首先介绍了Internet中的TCP/IP拥塞控制策略,而后针对主动队列管理策略中的RED算法进行了详细的研究,最后提出了几种改进的RED算法。     

基于微分先行PI的主动队列管理算法

主动队列管理(AQM)作为一种重要的IP层拥塞控制策略，对于提高Internet的服务质量起到了关键性的作用。简要介绍了AQM算法的研究现状和AQM中的PI算法，依据TCP拥塞控制策略基于数据包丢弃的窗口变化机制，设计了一种基于微分先行PI的主动队列管理算法，该算法依据路由器中队列长度的变化采用一定的微分校正原则，实时调整进入该路由器数据包的丢弃概率，使路由器中的队列长度能够稳定在参考值附近。仿真结果表明，该算法与PI算法相比具有更小的超调量，可以明显的加快收敛的速度，从而使Internet的服务质量有更大程度的提高。     

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.     

一种改进的主动队列管理算法

传统的主动队列管理算法（AQM：Active Queue Management）存在响应时间较长等问题,PID（Proportional Integral Differentia1） 主动队列管理算法对此作出了一定改进,然而在时延较大时也不能使队列长度收敛到期望值.本文利用BP神经网络自适应控制的特点,针对无线信道（TCP Westwood）提出了一种基于BP神经网络整定的PID主动队列管理算法.     

Stochastic controller as an active queue management based on B-spline kernel observer via particle swarm optimization

Given the fact that the current Internet is getting more difficult in handling the traffic congestion control, the proposed method is compatible with the stochastic nature of network dynamics. Most conventional active queue management is based on the first stochastic moment. In stochastic theory, the first moment is not efficient for non-Gaussian systems that are the same as the network queue size. We propose a new stochastic active queue management technique, based on stochastic control and B-spline window observer, called intelligent probability density function AQM (IPDF-AQM). The IPDF-AQM is based on a PDF control and particle swarm optimization, which not only considers the average queue length at the current time slot, but also takes into consideration the PDF of queue lengths within a round-trip time. We provide a guideline for the selection of the probability of dropping as control input for TCP/AQM system to make the PDF of queue length converge at a certain PDF target based on B-spline approximation and improve the network performance. Simulation results show that the proposed stochastic AQM scheme does improve the end-to-end performance.     

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.     

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。     

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。