基于RED的差异型丢包队列管理算法

网络流量中UDP成分的逐渐增加可能导致网络存在拥塞缓解失效的隐患.通过引入TCP流量与非TCP流量的区分丢包互斥机制,使用Lotka-Volterra竞争模型证明在该机制下TCP与非TCP流量在网络中必然存在平衡点,作者提出基于TCP与非TCP差异型丢包的队列管理机制.该机制依据TCP模型推导出的TCP协议流量的丢包概率,利用当前缓存队列中的TCP和非TCP数据包的状态,对不同的传输层协议产生差异型的动态丢包概率以确保AQM的稳定性和传输层协议间的公平性.     

基于粒子群优化的主动队列管理方法

针对网络拥塞现象,基于粒子群优化(PSO)提出了一种新的主动队列管理算法RQQM。该算法首先通过粒子群优化和变异算子来计算当前队列长度,并且基于到达速率和当前队列长度给出了丢包策略和丢包概率。最后,以实际数据将RQQM算法与基于速率的早期检测公平队列管理(RFED)算法和自适应主动队列管理(ABLUE)算法进行仿真实验,
发现丢包率受利用率和缓冲区影响较大;同时实验结果表明RQQM算法的公平性远远优于其他两种算法,其平均丢包率降低至12.21%。     

基于主动队列管理的拥塞控制机制研究

提出了一种基于动态阈值的AQM策略DS-RED,主要思想是在缓存中设置一个动态门限控制包的丢失率,使得缓存可以动态地分配给各个数据流,可以根据各个数据流的不同Qos要求,对其进行有区别的服务,以更好地满足网络Qos要求,从而提高网络网络资源的利用率.     

主动队列管理算法比较研究

本文对FRED、CHOKe、CSFQ、AFD等几个主动队列管理算法进行了对比研究，并且结合实验结果对算法中存在的问题及其原因进行了深入的分析，并对算法的改进提出了一些建议，希望能为今后的工作提供一定的支持。     

基于ARED的主动队列管理改进算法

随机早期检测（Random Early Detection,RED）是IETF推荐部署的主动队列管理（Active Queue Management,AQM）算法。 RED存在参数难以配置、无法适应动态网络环境的缺点。 ARED（ Adaptive RED）是RED的自适应版本,通过平均队列长度来动态调整最大丢弃概率,从而达到稳定平均队列长度的目的,但是存在瞬时队列长度振荡的问题。文中研究了拥塞控制中的主动队列管理,对ARED算法进行了改进,优化丢弃概率计算函数,提出TTS-ARED算法,实现在动态网络环境下队列长度的稳定以及丢包率降低。 NS2的仿真结果表明,TTS-ARED算法显著地降低了丢包率,队列长度稳定性比ARED算法更优越。     

一种改进的主动队列管理算法

从是否维护数据流状态信息的角度出发,提出一种改进的主动队列管理算法——SF-AQM。SF-AQM算法只维护发送速率大的数据流状态信息以降低路由器的开销,通过比较不同数据流的包到达时间间隔衡量流到达速率,识别出非适应性数据流,提高算法公平性,并使队列长度控制在目标值附近,保证算法稳定性。仿真结果表明,SF-AQM算法具有较好的公平性和稳定性,且对抑制网络拥塞有明显效果。     

基于NS的主动队列管理算法的仿真与分析

当前网络拥塞研究的热点主要集中在主动队列管理算法上,为了能够测试主动队列管理算法对于网络性能的影响,研究人员可以使用多协议网络仿真器（NS）来仿真需要的场景,测试各种算法的效果。文章介绍了NS软件的原理和特点,并对应用了RED算法进行主动队列管理的网关进行了仿真实验。通过对产生的跟踪文件分析结果可以看到,在使用了RED算法后,网关可以防止因多个连接同时进入“慢启动”状态而产生全局同步,而且与传统的“队尾丢包”方法相比,不仅提高了整个链路的利用率,还减小了网络的平均时延。     

主动队列管理算法比较研究

本文对FRED、CHOKe、CSFQ、AFD等几个主动队列管理算法进行了对比研究,并且结合实验结果对算法中存在的问题及其原因进行了深入的分析,并对算法的改进提出了一些建议,希望能为今后的工作提供一定的支持。     

Internet主动队列管理算法研究

路由器的拥塞控制策略是采用主动队列管理算法(AQM)，最广泛被采用的主动队列管理算法是随机早期检测(RED)算法。文中详细讨论了RED算法，并剖析了基于RED算法的几种改进策略，经比较它们的优点及其存在的主要缺陷后，提出了进一步研究主动队列管理算法的方向。     

基于区分服务的主动队列管理算法研究

分析了几种主动队列管理算法.RIO算法是用于支持区分服务确保转发逐跳行为的主动队列管理算法,它是对RED算法的简单扩充,但是该算法的性能对配置参数敏感.PI算法是基于控制论的主动队列管理算法,具有队列长度抖动小的特点.PIP算法是PI算法的改进,比PI算法具有更快的收敛速度.为了更好地满足AF PHB的要求,基于PlP算法,结合三色标记器的功能,提出一个新的主动队列管理算法PIPGYR(PIP with Green&Yellow&Red).通过仿真验证,该算法队列长度抖动小,同时能够保护高优先级分组.     

基于S排队的被动队列管理算法

为了解决网络拥塞问题,基于“弃头”方式建立了一种新的被动队列管理算法（DFSQ）。该算法首先利用S排队推导网络队长的数学表达式,并提出丢包概率和丢包策略。同时,通过仿真实验深入研究了影响网络队长的关键因素,并将DFSQ与随机早期检测算法(RED)、“弃尾”算法进行对比分析,结果表明DFSQ算法性能更优。     

基于模型有效性评价的主动队列管理算法

TCP/AQM系统是一多时滞回路耦合时变系统,源端传输控制协议(TCP)的拥塞控制机制也各不相同,因此其机理模型复杂.设计控制器所采用动态近似模型的参数变化范围很大,这对辨识算法提出了很高要求.本文先从模型误差分配方式这一新的角度对经典辨识算法进行了分析.然后运用新分析框架,结合TCP/AQM系统特征和控制要求,设计了一种基于模型有效性评价机制的辨识算法.该辨识算法能够对控制系数进行自适应调节,满足了主动队列管理(AQM)算法的设计需求.仿真结果表明,基于模型有效性评价机制的AQM算法,能有效应对时滞和不确定性带来的负面影响.与潜在标准化AQM算法相比,新算法在保持低排队时延和高效链路利用率方面取得了更好的平衡.     

动态网络增强自适应虚拟队列管理新算法

针对动态网络主动队列管理算法中控制参数设置难题,提出了一种增强自适应虚拟队列管理新算法（EPAVQ）。结合TCP流体流模型运用经典控制理论分析自适应虚拟队列管理（AVQ）算法稳定性基础上,利用极点配置技术给出了AVQ算法控制参数的调整规则。同时,针对网络参数时变问题,通过对网络参数的在线估计,利用网络参数与控制器参数的确定关系实时调节控制参数,使得控制器能够适应网络参数的变化。通过ns-2仿真实验与现有的AVQ算法比较,EPAVQ算法具有更快的动态响应,更好的网络性能。     

基于事件的主动队列管理研究

针对随机早期检测RED存在的对参数过于敏感、时延抖动、队长不稳定等问题,采用特殊事件标记法,通过调整丢弃概率的增减幅度,对RED算法进行了改进。实验表明,改进的算法在稳定性、链路利用率方面有了较好的改善。     

主动队列管理中增强型自适应虚拟队列管理算法之设计及稳定性分析

提出了一种基于速率的增强自适应虚拟队列管理算法(EAVQ). 在该算法中引入主从拥塞尺度和期望链路利用比的概念; 以输入速率为主要拥塞尺度, 以便保留原有自适应虚拟队列管理算法(AVQ)中响应速度快、队列时延短、链路利用率高等优点. 同时, 以期望链路利用比为辅助拥塞准则, 设计了一种基于速率的期望链路利用比自适应机制, 解决了AVQ中参数设定困难、队列抗干扰能力弱, 及存在链路损失等缺点; 在改善系统动态性能的同时保证了链路容量的充分利用. 在线性化基础上给出了一般网络结构下TCP/EAVQ系统的局部稳定条件. 通过仿真验证了EAVQ的有效性.     

一种基于卡尔曼滤波的队列长度自适应算法

传统主动队列管理(AQM)算法在处理传感器网络突发流时具有响应速度慢、抗网络突变性能弱的缺点.针对此问题,提出了一种新的AQM算法,算法首先将队列长度作为早期拥塞检测参量,运用卡尔曼滤波理论预测队列长度;其次根据队列长度在缓冲区的占用比来划分网络状态;最后根据不同占用比采取相应的丢包策略,自适应地调整丢包率,当出现网络突变时,加大调整幅度,使队列长度保持在理想区间.仿真实验表明:新算法能够较好地适应网络波动,提高网络服务质量(QoS),算法综合性能优于主流AQM算法.     

随机早期检测主动队列管理算法的改进研究

主动队列管理（Active Queue Management）算法是近几年网络研究的重点。为了改进和完善现有的AQM算法和设计更好的新算法,需要对主动队列管理机制的实现方法和性能特性进行深入研究,详细讨论了随机早期检测（Random Early Detection）主动队列管理机制的关键技术问题,研究了近年来对RED算法的主要改进算法,总结了这几种算法的优缺点及其有待改进之处,并应用网络仿真器（Network Simulator）对实际网络模型进行了仿真实验,检验了改进算法对网络性能的影响。     

基于模型算法控制的主动队列管理算法

通过深入分析TCP/AQM系统的动态特性,提出一个新的预测模型。基于该模型,结合模型算法控制(MAC)提出一种新的主动队列管理算法(MACAQM),并给出了MACAQM的详细设计过程和参数选取的原则。大量不同网络环境的仿真实验表明了MACAQM算法的有效性。与PI, RaQ和REM等算法相比较, MACAQM具有收敛速度快、队列抖动小的优点。同时, MACAQM的采样间隔相对较大,算法实现简单,所以计算量较小,占用的路由器资源也较少。     

基于智能预测控制的网络拥塞主动队列管理算法研究

路由队列管理是保证网络性能、避免网络拥塞的重要手段,目前采用的主要队列管理方法为被动式队列管理,同时主动式队列管理已经成为近来的主要研究热点. 随机早侦测(RED)作为最早提出的主动队列管理方法,更获得了普遍的关注. 使用严格的数学模型来描述由端系统和网关组成的系统,并进行队列管理性能分析. 提出一种采用快速广义预测控制的RED控制器( FGPC2RED控制器) ,进行网络拥塞控制的研究. 介绍了系统的结构及系统的辨识, 并通过仿真证明了FGPC算法在路由队列管理中应用的可行性,可以有效控制队列长度,避免路由拥塞及减小往返延迟.