主动队列管理算法之初探

本文对现有的几种主动队列管理算法：自适应虚拟队列（AVQ）算法、动态阈值（DT）算法以及队列长度阈值（QLT）分组调度算法等进行了介绍,并对其进行了简单的分析和比较。最后针对AVQ算法进行了改进,使其在原性能的基础上增加了区分服务的功能。     

QPID-AVQ：一种基于队列的PID控制的AVQ算法

本文针对AVQ算法存在的不足,在PD-AVQ算法基础上,为进一步提高系统的稳定性,引入积分选项,构成PID-AVQ算法,运用控制理论推导出了满足系统稳定条件的取值范围.利用PID-AVQ算法更新虚拟带宽,综合考虑平均队列长度和包到达速率,提出了一种新的基于队列的PID控制自适应虚拟队列管理算法QPID-AVQ,可根据网络实际情况调节参数,保持队列长度稳定.仿真结果表明,当控制参数在稳定范围内取值时,QPID-AVQ算法能较好地适应网络状态变化,使队列长度始终维持在期望值附近,而不受用户数量的影响,具有较好的稳定性、抗干扰能力和较高的带宽利用率,综合性能优于PD-AVQ和RED算法.     

基于动态矩阵控制的主动队列管理算法

针对Internet系统,通过对流体流模型的分析,提出了一个新的预测模型.该模型形式简单,参数的计算相对容易,并且能根据当前的网络情况有效的预测拥塞窗口的变化.结合动态矩阵控制 (Dynamic Matrix Control,DMC) 理论,提出了一种新的主动队列管理算法——DMCAQM 算法,给出了DMCAQM 的详细设计过程,稳定性分析和参数选取原则.大量不同网络环境的仿真实验表明DMCAQM 算法是有效的.与PI、RaQ 和REM 等算法相比较,DMCAQM 有收敛速度快、队列抖动小的优点.同时,由于DMCAQM 的采样间隔相对较大,而算法实现简单,所以计算量小,占用的路由器资源更少.     

PDAVQ：一种基于PD控制的自适应虚拟队列管理算法

提出了一种新的基于比例差分控制的自适应虚拟队列管理(AVQ)算法—PDAVQ,用于对网络链路中产生的拥塞进行控制,以达到有效利用网络带宽,使整个网络系统达到稳定,缓解网络拥塞的目的。而且本文对所提算法运用控制理论对系统的稳定性进行了证明,给出了满足系统稳定性条件的参数选择方法和 PDAVQ 算法的具体描述。最后,通过 ns2 仿真实验与现有的 AVQ 算法比较,结果表明,所提 PDAVQ 算法具有较高的吞吐率、较低的链路延迟和数据丢失率,并能更快的使整个网络系统达到稳定,具有较好的网络性能。     

一种基于神经网络的主动队列管理算法

传统的主动队列管理算法在设置参数时,存在算法和具体的网络有关参数设置对网络的稳定性和动态性能影响较大的问题.文中介绍了一种采用单神经元动态调整PID参数的ANNPID算法,解决了PID算法参数设置的问题,通过仿真实验,结果验证了该方法的鲁棒性优于传统的队列管理算法.     

一种基于动态阈值的主动队列管理算法

针对BLUE算法缺少早期拥塞检测机制,导致队列溢出或空闲现象频繁发生的问题,通过引进基于动态阈值算法的控制机制,借鉴RED算法所采用的早期拥塞检测机制,提出了DT-BLUE算法。仿真实验表明本文算法能保持队列长度的稳定性,有效降低队列空闲或溢出现象的发生,提高链路的利用率。     

一种参数自适应的主动队列管理算法-自适应BLUE

BLUE算法是一种典型的主动队列管理(Active Queue Management,AQM)算法,研究表明BLUE算法优于RED算法.BLUE算法使用丢包事件和链路空闲事件控制网络拥塞.但由于BLUE算法在参数设置方面存在不足,尤其是当TCP连接数突然剧烈变动时,容易导致队列溢出或空闲的频繁发生.该文引进参数自适应机制,提出了自适应BLUE算法,并借鉴了RED算法的早期拥塞检测机制.NS仿真实验表明该算法能有效保持队列长度的稳定,减少队列溢出或空闲现象的发生,在提高链路利用率的同时降低丢包率.     

IBLUE：一种新的主动队列管理算法

针对日益严重的网络拥塞现象,在传统的BL U E算法的基础上建立了一种新的主动队列管理方法（Im-mune clonal simulated annealing-based BLUE ,IBLUE）。该方法重新定义队列长度变化范围以及丢包概率,并且利用免疫克隆模拟退火算法来刻画队列长度变化情况。其次,以实际数据进行仿真实验,深入分析了影响该方法的关键因素,同时通过对比BLUE和BLUE＋算法性能,结果表明IBLUE具有较好的适应性。     

一种加强的主动队列管理算法--EBLUE

作为一种典型的主动队列管理算法,BLUE明显不同于其它方法,它使用丢包和连接空闲事件来控制拥塞。试验表明BLUE的丢包率明显小于RED,但是其参数设置仍然存在一些不足之处。本文在BLUE算法的基础之上,通过引进自适应的思想对其进行了改进,提出了一种加强的BLUE队列算法——EBLUE。大量的仿真实验表明本文的改进算法能够进一步提高BLUE的性能。     

基于动态输出反馈控制的主动队列管理算法

 针对网络拥塞控制的不确定时滞特性,提出了一种基于动态输出反馈控制(DOFC)的主动队列管理(AQM)算法.建立了TCP/AQM系统的时滞有界模型,给出了判定闭环AQM系统稳定的充分性条件,以及基于线性矩阵不等式的动态输出反馈控制器参数设计方法.仿真结果表明,该算法在大时滞的网络环境中,能迅速地将队列长度收敛到目标长度附近,且在特征参数变化的网络环境中具有较强的鲁棒性.     

主动队列管理算法的分类器实现

作为端到端拥塞控制的增强机制,主动队列管理(AQM)通过在网络中间节点有目的地丢弃分组来维持较小的队列长度和较高的链路利用率.已有的大多数主动队列管理算法沿用了随机早期探测(RED)算法首创的概率丢弃机制.本质上,判决是否丢弃分组的过程是一个依赖于网络拥塞状态的决策过程,因此,概率决策不应该是唯一的方法.在本文的研究中,我们首先归纳了理想AQM算法所应具备的品质,然后应用模式识别中分类器的设计思想提出了一种新颖简洁的主动队列管理策略实现框架,并基于Fisher线性判别方法为AQM设计了一个两维两类分类器(TCC).仿真试验表明TCC有效、敏捷、鲁棒,扩展性好,同时实现简单,计算开销小,有利于高速路由器的性能优化.     

基于速率的主动队列管理算法的性能分析

主动队列管理是解决网络拥塞的主要措施。针对基于队列的主动队列管理算法的不足,提出了一种基于速率的新算法RAQM,该算法以数据到达速率与路由器最大服务速率的差值为指标计算丢包概率,能够快速地对网络流量的变化做出反应,该算法计算简单,而且只需要设置一个参数K。通过现代控制理论分析了RAQM/TCP系统的稳定性。仿真结果表明,RAQM能够维持较低的队列长度并保持队列的稳定,从而减小了分组端到端时延和时延抖动。最后讨论了参数K对算法性能的影响。     

一种基于负载的公平性主动队列管理算法

针对随机早期检测（RED,Random Early Detection）算法存在的公平性问题,提出了一种基于负载的公平性主动队列管理算法（LFED）。该算法通过引入网络负载和队列这两个概念,有效地判断当前网络拥塞程度,同时使用改进的丢包率公式,并且借鉴CHOKe算法的惩罚机制对非响应流进行有效惩罚,以保证不同数据流之间的公平。仿真实验表明,与RED和CHOKe相比,LFED可以得到稳定的瞬时队列长度和减少分组丢弃率,具有较好的公平性和稳定性。     

一种基于速率和队列长度的主动队列管理机制

本文研究了拥塞产生的原因及其表现形式,提出了一种基于报文到达速率和队列长度的随机早丢弃算法(RQ).根据拥塞的严重程度和变化趋势将拥塞划分为六个级别,每个级别采用合适的丢弃概率,从而将队列控制在理想工作点附近.利用经典控制理论,分析了系统的稳定性,给出了参数配置的原则.最后,用NS网络仿真器对算法性能进行了验证.     

基于区分服务的AFDX队列管理算法研究

在AFDX的传输控制过程中,不但要进行数据的传输、队列资源的管理,还要提供区分服务,以满足不同等级任务的服务质量要求。文章介绍了AFDX中基于区分服务的队列管理算法,改进了现有算法的不足,从而更加合理地分配带宽资源,平衡系统吞吐量和分组排队延迟之间的矛盾,保证不同等级用户之间的公平性,以获得最优化的AFDX网络。     

主动队列管理中的智能分组丢弃新机制

主动队列管理通过网络中间节点有控制的分组丢弃实现了较低的排队延时和较高的有效吞吐量,是TCP端到端拥塞控制近来研究的一个技术热点.已有的大多数算法在判定分组丢弃时大都沿袭了RED的概率丢弃机制,具有一定计算复杂度的随机数生成过程不利于路由器性能的优化.在本文中,我们首先定义了拥塞指数这一新的测度变量来量化描述网络的拥塞状态.接着,利用模糊逻辑设计了一种新的智能分组丢弃机制,离线的合成推理使得分组丢弃的判定仅需要简单的查表操作和比较运算即可完成,为优化路由器的性能提供了便利.数字仿真的结果表明:智能分组丢弃机制的性能优于经典的RED算法,控制队列的能力强,鲁棒性好,稳定工作域大,能很好地抵抗突发性和非弹性业务的干扰,适合工作在瞬息万变的动态网络环境中.