模糊随机早期检测在组播拥塞控制中的应用

现有的组播拥塞控制算法大都基于端系统进行拥塞控制,而较少讨论中间路由器的主动队列管理机制。基于模糊逻辑对网络状态的动态适应性特点,提出了基于模糊逻辑的RED算法（Fuzzy Logic-based RED,FL RED）。该算法运用于组播拥塞控制中,网络能够及时对拥塞做出准确反应,更有效地分配和利用资源。仿真结果表明,该算法比普通RED算法具有更好的TCP-友好性,并且能够将队列长度维持在一个较小值,具有更小的传输时延。     

基于模糊逻辑和路由器辅助的MCC算法

针对端到端组播拥塞控制的局限性,提出一种基于模糊逻辑和路由器辅助的组播拥塞控制算法FLRA-MCC。在FLRA-MCC中,主动路由器实时监测网络状态,利用模糊逻辑计算缓冲区调节因子a,从而自动调节缓冲区大小以缓解拥塞,并且只在发生较重拥塞时,才向源端反馈拥塞信息以通知源端减小发送速率。仿真结果表明,该算法能够保证网络吞吐量的稳定性,较好地吸收突发流,同时以更小的丢包率传输数据。     

基于Additive2multipl icative 模糊 神经网的ATM 网络拥塞控制

考虑了模糊神经网络的学习功能，提出利用Additive-multiplicative模糊神经网络(AMFNN)对ATM网络进行拥塞控制的方案．在拥塞控制过程中，利用AMFNN模糊神经网络预测下一个将要到达流的特征，结合当前缓冲区的队列信息预测网络是否发生拥塞．一旦预测出将有拥塞发生，控制器则向源端反馈拥塞控制信息，信源根据拥塞信息适当降低传输速率，从而避免了拥塞的发生．仿真结果表明，该方法可改善网络对拥塞的实时处理能力，提高网络资源的利用率．     

通信网络系统中解决信息拥塞的模糊控制方法

针对网络系统中信息拥塞问题, 提出了一个全新的解决方案——用模糊控制的方法来解决通信网络中信息拥塞问题, 以国内外大量文献的理论为基础, 通过对计算机通信网络信息传输中相关量的分析, 构造出应用于网络信息传输中的模糊控制器, 仿真分析了模糊控制器在多种不同情况下的控制效果, 并与已有的算法进行了比较, 结果表明该模糊控制器具有较好的适应性和较强的鲁棒性.     

模糊逻辑补偿的网络PI控制系统及稳定性分析

针对现代工业过程中常用的网络PI控制系统, 分析了网络所诱导的时滞对PI控制系统性能的影响, 设计了一个模糊逻辑补偿器来实现对网络所诱导的时滞的补偿. 利用Hermite-Biehler引理在准多项式稳定性问题上的推广, 研究了具有模糊逻辑补偿的网络PI控制系统的稳定性问题, 给出了使闭环系统稳定的模糊逻辑调节参数的取值范围. 仿真结果验证了理论分析结果的有效性.     

Ad Hoc网络中基于概率预测的拥塞控制算法

为缓解网络拥塞,提高网络服务质量,提出一种基于概率预测的拥塞控制算法(PPCC)。处理已有数据来构建贝叶斯网络,找出Ad Hoc网络中表示拥塞状态参数之间的关系;改进贝叶斯网络的推理过程,更好地利用所获网络实时参数预测拥塞状态的概率;根据预测得到的概率自适应地调整网络参数,有效地控制网络拥塞,一定程度上提高网络服务质量。仿真结果表明,PPCC算法能够控制网络拥塞,保证网络运行在具有较小时延、较高吞吐量的状态,更好地利用网络资源。     

模糊理论在网络AQM中的应用研究

拥塞控制中作用于网络中间节点的主动队列管理策略能有效解决网络拥塞问题。本文引入了模糊理论对AQM进行研究和分析,基于模糊系统设计方法,给出了一个简单的应用实例以说明模糊理论在AQM中的优势,介绍了模糊理论在AQM中的几种典型应用。     

基于模糊逻辑的分层组播拥塞控制机制

分析现有分层组播拥塞控制的优缺点,提出一种基于模糊逻辑的分层组播拥塞控制机制FLMCC。接收端利用指数平滑预测模型预测期望速率,根据期望速率选择层数,从而获得不同的吞吐量。发送端根据接收端的反馈使用模糊控制器对发送速率进行调整,从而平滑发送速率。仿真结果表明,FLMCC具有良好的公平性和速率平滑性,能够适应网络异构性。     

一种基于FNN的高速网络拥塞控制策略

以ATM（asynchronous transfer mode)为研究对旬,同种基于模糊神经网络（fuzzy neural network,简称FNN）的流量预测和拥塞控制策略,拥塞控制是高速网络（如ATM）研究中的关键问题之一,传统的基于BP神经网络的流量预测方法因其收敛速度较慢且具有较大的误差,影响了拥塞控制效果,而模糊神经网络由于具有处理不确定性问题和很强的学习能力,很好地解决这一问题,最后通过仿真,比较和分析了基于BP神经网络和基于FNN方法和性能,证明此方法是有效的。     

基于云模型的无线传感器网络拥塞及速率控制策略

针对无线传感器网络拥塞带来的网络丢包、能量损耗等问题,提出了一种基于云模型的无线传感器网络拥塞及速率控制策略。节点周期性地计算本地队列拥塞度,利用云模型的模糊随机性控制速率调节因子来决策节点输入速率,再通过公平性策略进行上游节点及本地速率分配。仿真实验结果表明,本文的拥塞及速率控制机制具有良好的公平性和节能性,能够有效缓解网络拥塞,降低网络丢包率,延长网络寿命。     

网络拥塞控制中的智能优化算法

计算机网络的飞速发展带来了日益严重的网络拥塞问题,采用适当的方法进行拥塞控制已成为当前研究的热点。文章在对网络拥塞及拥塞控制分析的基础上,详细介绍遗传算法、人工神经网络、模糊逻辑等智能优化算法在网络拥塞控制中的应用,并分析了各种算法的优缺点。     

一种基于ANFIS的ABR拥塞控制

由于ATM网络环境的复杂性、多变性,用常规的数学模型对网络模型、可用带宽的获取以及控制器设计的描述具有很大的局限性,因此论文提出了一种基于自适应模糊推理系统(AdaptiveNeuralFuzzyInferenceSystems,ANFIS)的ABR业务拥塞控制方法,该方法结合模糊推理系统的规则结构化及神经网络强泛化能力的优点,克服了模糊推理模型的偶然性和神经网络收敛速度慢、训练时间过程长等缺点。仿真结果表明使用ANFIS进行拥塞控制的可行性,增加了系统稳定性并减小了信元丢失率。     

A Fuzzy Expert System for Complex Closed-loop Control: A Non-Mathematical Approach

A fuzzy expert system uses fuzzy logic control (Zadeh, 1965) which is based on a ‘superset’ of Boolean logic that has been extended to handle the concept of ‘partial truth’ and it replaces the role of a mathematical model with another that is built from a number of rules with fuzzy variables such as output temperature and fuzzy terms such as ‘hot’, ‘fairly cold’, ‘probably correct’. In control areas, an expert system using fuzzy logic principles has advantages over conventional Proportional-Integral-Derivative (PID) closed-loop control such as the ability to offer a method for representing and implementing the expert’s knowledge, the ability to implement simple but robust solutions as well as comparatively less development and maintenance time of the involved control system. A fuzzy expert system may further outperform conventional PID control system when dealing with ‘multiple-input multiple-output’ control situations where more complex control algorithms for conventional PID system are required. This paper presents a methodology for the implementation of such a fuzzy expert system with a step-by-step, non-mathematical approach, which is able to handle complex closed-loop control situations. A practical example is employed to illustrate the ‘road-map’ of the methodology with realistic data based on the implementation of this system in a local company.     

车联网环境下基于模糊逻辑的交通拥堵检测方法

针对现有的道路交通拥堵检测方法的不足,提出了一种基于V2V的道路交通拥堵检测方法。首先基于V2V的方式实时获取邻居车辆状态信息,建立车辆邻居表;其次依据车辆行驶速度、车流密度、交通拥堵评级体系构建模糊控制器,完成本地交通拥堵水平的估计;然后通过车车通信进行邻居车辆交通拥堵状况的查询,并根据大子样假设检验验证本地交通拥堵水平值,完成所在区域交通拥堵水平的检测;最后基于Veins平台搭建仿真测试场景,仿真对比了拥堵检测结果的准确率,同时测试车辆节点的退避时槽数量和接收广播数据包的数量。实验结果表明, 提出的道路交通拥堵检测方法实现的拥堵检测准确率分别比线圈法和CoTEC法提高了5.5%和7.5%;提出的道路交通拥堵检测方法实现的车车通信网络拥塞比CoTEC法降低了90.8%,并且在未发生交通拥堵时通信节点的通信负载显著降低。     

拥挤路线交通量控制的模糊推理算法

当道路发生突发性事件引起交通拥挤时，一方面需要引导驾驶员转向到可替换路线， 另一方面也要对进入拥挤路线的交通量进行控制．本文通过对反映路线拥挤程度的延误时间 信息和排队长度信息进行预测，设计了在事件持续时间内，以车辆到达率不超过事件发生地 点通行能力为拥挤路线控制目标的模糊推理算法，并进行了实际案例分析．分析结果表明， 这种模糊推理算法能在一定程度上取代交通工程师们对拥挤的管理，从而提高了拥挤管理的 效率．     

视频会议系统中一种基于FLC的流控策略

在Ｉｎｔｅｒｎｅｔ视频会议应用中,必须对注入网络的视频流量进行控制以避免网络拥塞。文中针对Ｈ。２６３视频编码器,提出一种基于模糊逻辑控制（ＦＬＣ）的速率控制机制,将视频的编码长度信息通过ＦＬＣ映射至编码器的量化系数,调节下一帧的码流长度,在保证通信的连续性和图像质量的前提下使编码器的输出码率明显地降低,尽可能地避免网络拥塞。文中具体描述了这种拥塞避免机制,最后给出了实验结果,结合与相关拥塞避免策略     

基于模糊参考模型机制的网络自适应拥塞控制

在高速通信网络的发展过程中,业务流呈现出的突发性和多样性为提高网络服务质量制造了更多的困难。该文提出的网络自适应拥塞控制方法以模糊参考模型机制的核心来提高主动队列管理算法在突发性网络状况中的适应能力,以2条信息通道分别实现主动队列管理的控制与学习功能,并结合参考模型机制实现模糊反向推理算法,针对网络突发性状况自适应调整主控制通道的控制行为。仿真研究表明,该控制方法提高了拥塞控制机制的自适应性能,并在自适应性能和实时性能上获得了较好的平衡。     

网络时延的模糊逻辑补偿方法的研究

当网络应用到控制系统中时,网络将引起时延,从而对闭环网络控制系统产生一些不利的影响,比如系统性能下降,系统不稳定等。本文介绍了通过在已有的PI控制器的基础上,再增加一个模糊逻辑补偿器来补偿网络控制系统中网络所引起的时延,其优点是不需要再重新设计已有的PI控制器,而只是简单地将模糊逻辑控制器的输出作为一个参数来调节PI控制器所提供的控制信号。文中采用了MATLAB/SIMULINK仿真,仿真结果表明了该方法的有效性。     

基于基因算法的多变量模糊控制器的设计*

本文提出了一种通用的模糊控制器的设计方法，这种方法运用基因算法进行寻优，具有设计速度快、人工干预少，可获得一个基于一定性能指标的次优或最优模糊控制器。它可以对多输入多输出（ＭＩＭＯ）系统进行设计，不需要被控对象的精确数学模型，本文最后以二级倒立摆系统为控制对象给出了一个设计实例和实际控制的结果。