控制时延的主动队列管理算法

针对现有的主动队列管理(AQM)算法造成的队列时延无法满足VoIP、音视频等流媒体传输需求的问题,提出一种直接控制队列时延的主动队列管理算法——DCQA。该算法使用PID控制器计算路由器缓存的数据包丢弃概率,用其对即将进入缓存排队的数据包做丢包判断并采取相应动作,以控制队列时延在期望值以下。实验仿真了3种网络环境下DCQA的性能,链路利用率分别是99.93%、99.88%和99.95%。并且,队列时延分别有50.45%、51.59%、52.4%被控制在期望值以下,比CoDel算法分别提高了3.6%、40.53%、50.69%。实验结果表明,DCQA在不同的网络环境中都可以获得较高的链路利用率,而且控制队列时延的能力优于CoDel算法,适用于流媒体的传输。     

控制时延的主动队列管理算法

针对现有的主动队列管理(AQM)算法造成的队列时延无法满足VoIP、音视频等流媒体传输需求的问题,提出一种直接控制队列时延的主动队列管理算法--DCQA。该算法使用PID控制器计算路由器缓存的数据包丢弃概率,用其对即将进入缓存排队的数据包做丢包判断并采取相应动作,以控制队列时延在期望值以下。实验仿真了3种网络环境下DCQA的性能,链路利用率分别是99.93%、99.88%和99.95%。并且,队列时延分别有50.45%、51.59%、52.4%被控制在期望值以下,比CoDel算法分别提高了3.6%、40.53%、50.69%。实验结果表明,DCQA在不同的网络环境中都可以获得较高的链路利用率,而且控制队列时延的能力优于CoDel算法,适用于流媒体的传输。     

基于时延抖动的主动队列管理算法

随着Internet的迅速发展,致使IP业务的快速增长和多样化,用户数量急剧增加,网络流量呈爆炸式增长,网络拥塞问题变得越来越严重,因此服务质量(QoS)成为了当今世界研究热点之一.为了能达到相对的QoS的性能指标,拥塞控制发挥着相当重要的作用,而主动式队列管理(Active Queue Management,AQM)机制又是实现拥塞控制的重要手段之一,AQM成为了IP网络拥塞控制研究领域中备受关注和深入研究的热点问题.文中在增强CHOKe算法的公平性上,提出一种新的基于时延抖动的AQM算法-CZ-CHOKe.路由器通过时延抖动和队列的平均队长检测网络拥塞,同时采用动态采样击中和自适应丢包技术.仿真结果表明,该算法能有效地保护响应流,提高非响应流的击中概率,提高其算法的公平性.     

面向能效优化的控制队列时延算法

针对一种具有严格时延约束的网络数据流量到达与离开的场景,分析其流量转发过程的能耗特性,提出一种面向能效优化的控制队列时延算法——eeCoDel(Energy Efficient CoDel)。该算法根据数据包时延约束,动态选取最大速率进行数据转发。进行仿真实验对比CoDel、DCQA以及eeCoDel算法的转发能耗。结果表明eeCoDel相比其他两种队列管理算法能够有效降低数据转发过程中的能耗,并且能够兼顾数据流的QoS要求。     

一种无线传感器网络信道接入自适应占空比算法

无线传感器网络中MAC协议最重要的设计目标是减少能量消耗.*基于已有的低占空比工作方式,融入了\"七折线\"法和加权统计的思想,提出一种新的自适应占空比算法.分析与仿真结果表明,该算法在网络流量较小时,可有效降低空闲节点的占空比、减少能量消耗;并能预测节点下一周期的数据流量,调整其占空比,减少碰撞和阻塞发生的概率;尤其在任务突发模式下,能有效提高节点的数据吞吐量.     

一种动态占空比的无线传感器网络MAC协议

在无线传感器网络(WSN)中,降低能耗会引发端到端时延的增加.为兼顾能耗和时延的平衡,提出一种基于动态占空比的WSN介质访问控制协议.通过计算节点利用率、平均睡眠延时,结合占空比上下限,动态调整节点占空比,使其更好地适应网络实时通信流量.实验结果表明,该协议在线性拓扑中比S-MAC节能52％,延迟减少35％,在网状拓扑...     

无线传感器网络低占空比 MAC协议研究

无线传感器网络因其巨大的应用前景,已成为计算机与通信领域一个活跃的研究分支.恰当的通信协议对降低无线通信能耗、延长网络寿命具有重要的意义.低占空比MAC(媒体接入控制)协议通过节点的休眠机制,大大降低了通信模块的空闲监听能耗.本文对其中的典型协议进行了分析比较,给出了进一步的研究方向.     

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。     

基于队列长度的自适应占空比MAC协议

由于无线传感器网络中设备电池能量有限,实现能量高效性是其主要考虑的问题.众所周知优秀的数据传输协议对降低能耗,延长网络生命周期有重要意义.而在基于竞争的MAC协议中,空闲监听是主要能量消耗来源,所以通常设计较低占空比的MAC协议来减少空闲监听时间.但是如果占空比过小,使得网络中所有数据传输集中在较短时间内,会导致节点无...     

基于网络拥塞控制的主动队列管理算法研究

文章讨论了几种主要的主动队列管理机制的关键技术问题,分析了他们对网络拥塞控制的影响,总结了这几种算法的优缺点及其有待改进之处,并根据实际网络模型进行了仿真实验。     

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.     

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。     

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。     

基于神经网络监督控制的拥塞控制算法研究

提出了一个基于神经网络控制的主动队列管理（AQM）算法;研究了TCP/AQM拥塞控制系统的可逆性,并利用一种神经网络监督控制结构进行了AQM算法的设计。算法由一个三层前馈结构的神经网络控制器（neural network controller,NNC）和一个反馈控制器（feedback controller,FC）组成。NNC作为一个前馈控制器,通过FC产生的教师信号进行学习,以建立被控对象的逆动力学模型。仿真结果表明,提出的算法与PI（proportional-integral）算法相比,无论在瞬态性能     

基于PID神经元网络和内模控制的拥塞控制算法*

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。     

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.     

改进的RED队列管理算法：RED-r

为了避免RED缺陷,提出一种改进的RED算法——RED-r。该算法采用二次圆函数来计算丢包概率,减少了RED的设置参数,实现了在网络大延时和小延时时的队列稳定,且在小延时能获得比PID队列更平滑的效果。NS2仿真验证了RED-r算法的有效性。     

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。     

Active queue management via event-driven feedback control

Active queue management (AQM) is investigated to avoid incipient congestion in gateways to complement congestion control run by the transport layer protocol such as the TCP. Most existing work on AQM can be categorized as (1) ad-hoc event-driven control and (2) time-driven feedback control approaches based on control theory. Ad hoc event-driven approaches for congestion control, such as RED (random early detection), lack a mathematical model. Thus, it is hard to analyze their dynamics and tune the parameters. Time-driven control theoretic approaches based on solid mathematical models have drawbacks too. As they sample the queue length and run AQM algorithm at every fixed time interval, they may not be adaptive enough to an abrupt load surge. Further, they can be executed unnecessarily often under light loads due to the time-driven nature. To seamlessly integrate the advantages of both event-driven and control-theoretic time-driven approaches, we present an event-driven feedback control approach based on formal control theory. As our approach is based on a mathematical model, its performance is more analyzable and predictable than ad hoc event-driven approaches are. Also, it is more reactive to dynamic load changes due to its event-driven nature. Our simulation results show that our event-driven controller effectively maintains the queue length around the specified set-point. It achieves shorter E2E (end-to-end) delays and smaller E2E delay fluctuations than several existing AQM approaches, which are ad hoc event-driven and based on time-driven control theory, while achieving almost the same E2E delays and E2E delay fluctuations as the two other advanced control theoretic AQM approaches. Further, our AQM algorithm is invoked much less frequently than the tested baselines.