基于多优先级的自适应队列管理算法

区分服务是一种服务质量体系,它能够向不同的网络传输提供相应的服务,更符合目前网络的发展方向.文中研究通信网络中的队列管理算法 RED、ARED、Gentle-RED 和 RIO-C,参考各个算法的优缺点,在重点研究适合区分服务的主动队列管理算法 RIO-C 的基础上,结合 ARED 算法自适应性和 GRED 算法稳定性的优点,提出了一种改进的适合区分服务的自适应算法,以解决 RIO-C 方法对参数设置较敏感的问题.仿真结果表明,改进算法在保护高优先级数据分组的情况下具有自适应性和一定的稳定性.     

优先级队列的缓存管理机制的性能分析

为了解决好计算机网络中的多媒体通信以及对服务质量的要求,提出了一种基于优先级队列的缓存管理机制。详细研究了该机制的实现原理和方法,并给出了相关的性能分析,并建立端对端多媒体通信系统环境,进行了实验,证明了该缓存管理机制能很好地解决多媒体通信的拥塞控制,满足多媒体通信服务质量的要求。     

分布式主动实时数据库基于多优先级队列的优先级分派

事务的分布性和事务触发的不可预测性使得分布式主动实时数据库系统中的事务调度变得较为复杂．该文给出了立即和推迟两种模式下执行的被触发事务的截止期确定方法和事务紧急度计算方法,并结合事务的应用语又提出了一种基于多优先级队列的优先级分派策略,有利于主动事务和被触发事务的顺利提交．     

支持区分服务的自适应队列调度算法

分析了在DiffServ模型下的WRR和DWRR调度算法,提出了一种基于WRR的改进的 调度算法AWRR(ADWRR),同时提出了AWRR调度算法的实现过程。该算法根据网络中各业务数 据的实际流量动态的调整其对应的权值。因此AWRR不仅能提供QoS保证,而且还能根据该节点的 实际负载状况,提供动态的带宽分配。     

基于多优先级缓存队列的远程数据传输技术

为了实现多信道支持数据传输技术和混合通信模式的通信协议,从两优先级队列模型入手,分析、设计和实现一个具有多优先级处理能力的发送缓存队列数据传输机制,由面向上层的输入队列和面向不同信道的输出队列构成。为满足实际应用的要求,在队列模型的基础上增加数据包复用、发送状态反馈和换信道重发等机制。通过在一个远程监控系统中的实际应用和一系列实例测试,论证该队列机制具有一定的可行性和可靠性。     

基于优先级队列的分布式多主题爬虫

在分布式环境中,为提高资源利用率和网页抓取效率,提出一种基于优先级队列的分布式多主题爬虫调度算法PQ‐MCSA。利用基于缓存的扩展式哈希算法对整体任务集进行切割,按照URL逻辑二级节点哈希映射法,将分割后的子任务集均匀地分配到各处理节点中;利用单处理节点的计算能力结合构建的任务优先级队列进行不同主题任务的调度。该算法改善了传统分布式爬虫对单节点的处理资源调度不充分、多主题任务爬取不均匀等缺点。实际项目的应用结果表明,使用该方法能够有效地提高各主题爬取结果的均衡度,具有较强的实用性。     

交换控制芯片中队列调度算法的研究

在分析队列调度的3种常用算法基础上，研究了加权循环（WRR）算法在交换控制芯片中的应用，采用两级优先级队列提供质量服务（QoS）功能，用加权系数分配带宽。仿真结果表明，WRR算法占用资源少，能较好地支持QoS服务。     

基于EDF的多优先级队列管理方案研究

提供服务质量保证是目前Internet的重要研究课题之一,其核心问题是实现不同业务流的分类转发和缓冲队列管理.分析了基于EDF的优先级队列(PQBEDF),由于PQBEDF方案中动态优先级随时间片变化过快从而降低了高优先级队列服务质量,针对这个不足引入一组概率序列Pi来控制计数器一个时间片以后是否加1,从而为每类业务的信元保证一个最小的服务速率.     

基于EDF的多优先级队列管理方案研究

提供服务质量保证是目前Internet的重要研究课题之一,其核心问题是实现不同业务流的分类转发和缓冲队列管理。分析了基于EDF的优先级队列（PQBEDF）,由于PQBEDF方案中动态优先级随时间片变化过快从而降低了高优先级队列服务质量,针对这个不足引入一组概率序列Pi来控制计数器一个时间片以后是否加1,从而为每类业务的信元保证一个最小的服务速率。     

多优先级主动队列管理算法研究

主动队列管理算法是区分服务模型能够实现IP服务质量的重要技术之一.针对区分服务现有主动队列算法中参数设置、时延抖动等不足之处,结合自适应RED算法(Adaptive RED),基于优先级和公平性的PFRIO算法(RIO based on Priority and Fair)和Gentle-RED三种算法的优点,提出了一种适合区分服务模型的自适应多优先级主动队列管理算法(Active Queue Management, AQM)-APRED-G.仿真结果表明,该算法不但保护了高优先级数据分组同时兼顾了低优先级数据分组,而且解决了参数设置敏感和时延稳定问题,也降低了平均分组丢失率.     

一种队列管理和队列调度结合的算法

队列的管理和调度是网络处理中非常重要的一个环节.针对传统的队列算法分离队列管理和队列调度的缺点,提出了一种两种机制结合的算法.该算法以排队延时和系统吞吐量综合性能折中最优为目标,使用最优化决策的方法,根据数据源端的发送速率和网络节点中的缓冲队列长度调整带宽资源的分配.在仿真平台NS2下对算法进行了大量的仿真实验,最终的实验结果表明:按照网络性能公式(Power公式)的标准,该算法比传统的算法在性能上提高了近20%.因此该队列算法更能够提升网络处理的性能.     

一种自适应主动队列管理算法ABlue

Blue是一种典型的主动管理算法,但其队列和延时波动较大,尤其在连接数较大或连接数突然发生变化时容易造成队列溢出或空闲。为此,提出一种自适应主动队列管理算法——ABlue,利用平均队列长度预测拥塞,根据网络流量的变化动态计算标记概率,从而保持队列稳定、减小延时抖动并降低丢包率。仿真实验结果表明,相比Blue算法,ABlue算法具有较低的丢包率和较高的带宽利用率。     

认知网络中基于服务信息的队列管理算法

通过感知网络外部环境,认知网络能够自主地调节并分配网络资源,从而保证网络服务的正常运行。当发生网络拥塞时,当前普遍应用的主动队列管理算法只能从数据层面对数据包进行丢弃,不具备服务QoS对底层队列的调控。本文针对以上问题,提出了一种综合服务等级以及服务传输特点的队列管理算法,引入了服务对数据队列的参与调节模型,保证了在网络拥塞环境下特定服务的服务质量。使用Matlab对算法进行仿真,表明该算法在发生网络拥塞时,能够依据服务等级和服务传输特点对数据队列进行调节,从数据层面体现了服务层面的优先策略,从而保证了高级别服务的服务质量。     

虚拟输入队列与队列管理算法的公平性

提出了具有不同接入带宽用户共享上行链路时的公平性问题——基于用户的公平性,根据队列管理算法(如早期随机检测和队尾丢弃等)在这种应用场合的公平性缺陷中引入了虚拟输入队列的概念——在路由器的上行输出接口上为每一个输入接口维护一个逻辑队列,以逻辑队列为主体应用队列管理算法。对虚拟输入队列的结构和实现进行了详细描述,并给出了针对虚拟输入队列的调度算法。仿真结果表明,在队列管理策略上引入虚拟输入队列,不仅能够达到原有的拥塞控制效果,解决基于流的公平性问题,同时能够提供较好的基于用户的公平性。     

一种基于流的数目的主动队列管理机制

提出了一种基于流的数目的主动队列管理机制。主要思想是根据上一个采样间隔末的流的到达速率,每流在队列中所占的比率,估计流的数目,以流的数目来决定数据包的丢弃概率,达到稳定队列长度和实现公平性的目的。仿真结果证明在多种网络条件下,算法能够实现稳定队列长度和流公平性两个目的。     

大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性．仿真结果表明,所提出的算法是可行而有效的。     

主动队列管理机制的性能分析

主动队列管理(AQM)是拥塞控制中一个热点。通过NS仿真器,深入研究了几个AQM算法的性能。仿真结果显示,没有一个AQM算法在所有网络条件下是最好的。它们存在响应速度、链路利用率等性能不足。分析了性能局限性的原因,指出了今后的研究方向。     

Stable Queue Management in communication networks

Since Active Queue Management (AQM) was recommended by the Internet Engineering Task Force (IETF) as an efficient way to overcome performance limitations of Transmission Control Protocol (TCP), several studies have proven control theory to be a promising field for the design and analysis of congestion control in homogenous communication networks. AQM is gaining increased importance due to reports of buffer-induced latencies throughout the Internet. The increasing volume and diversity of traffic types (i.e., data, voice, and video) suggests that traffic management mechanisms, in general, and AQM schemes, specifically, must not only focus on the critical issue of congestion control but must also consider the QoS demands of heterogeneous traffic. However, to combine quality-of-service provisioning with congestion control, AQM design needs to be reconsidered. In this paper, we propose a state feedback controller design scheme for heterogeneous networks preserving the closed-loop system stability. Delay dependant stability conditions of the closed loop system are derived based on the Lyapunov-Krasovskii method. The proposed approach offers flexible choice of control parameters allowing the network administrator to control fairness and response time for each individual source node in a network of multiple links with different delay properties. The performance and robustness of the proposed controller were illustrated and analyzed using event-based computer simulations.     

自适应卡尔曼滤波的主动队列管理算法

PID控制器通过微分环节加快了控制器的调节速度,但PID的参数是固定的,不能根据动态的网络自调整参数,故不能有效控制队列的稳定性。由于神经元网络有自适应性,提出了一种自适应卡尔曼滤波的主动队列管理算法(adaptive-KF-AQM)。它结合卡尔曼滤波和神经元网络方法,根据队列长度及其变化率来估计下一时刻的队列长度,使队列长度在期望值附近波动。仿真结果表明,该算法在队列稳定性、收敛速度、延时和链路利用率等方面都明显优于传统的PID算法。     

自适应PI主动队列管理算法

主动队列管理是一个非常活跃的研究领域,相对于丢尾算法,AQM(active queue management)能够提供更短的平均队列延迟和更高的带宽利用率.虽然PI(proporrional integral)主动队列管理算法的性能优于RED(random early detection)算法,但是PI算法的收敛速度比较慢.以PI算法为基础提出了一种自适应PI算法API(adaptive proportional integral).API通过实时测量链路的报文丢失率,获得当前的负载信息,然后动态设置PI算法中的有关参数.通过ns-2模拟表明,相对于PI及其改进算法PIP(proportional integral based series compensation and position feedback compensation),API具有更快的收敛速度和更小的队列抖动.