一种基于模糊理论的拥塞控制方法

路由器在处理拥塞时,一般采用尾部丢弃TD-FIFO算法和随机早期丢弃RED算法.通常把网络载荷分为正常、拥塞避免和拥塞三个阶段,并在拥塞避免阶段开始采取行动.但是网络上信息量是一个动态、非线性过程,在各个阶段有一定的不确定性,因此一些传统的方法很难取得更好的效果.文中充分利用模糊理论在处理不确定性问题上的优越性,用整体和局部相结合的方法,取得比传统方法更好的效果.模拟结果表明,模糊算法比传统的RED算法更合理,效果明显,更好地改善了路由器的拥塞控制性能.     

一种基于模糊理论的拥塞控制方法

路由器在处理拥塞时．一般采用尾部丢弃TD-FIFO算法和随机早期丢弃RED算法。通常把网络载荷分为正常、拥塞避免和拥塞三个阶段，并在拥塞避免阶段开始采取行动。但是网络上信息量是一个动态、非线性过程，在各个阶段有一定的不确定性，因此一些传统的方法很难取得更好的效果。文中充分利用模糊理论在处理不确定性问题上的优越性，用整体和局部相结合的方法，取得比传统方法更好的效果。模拟结果表明．模糊算法比传统的RED算法更合理，效果明显，更好地改善了路由器的拥塞控制性能。     

基于模糊控制的拥塞控制算法研究

路由器在处理拥塞时,一般采用尾部丢弃算法和随机早期丢弃算法,把网络载荷分为正常、拥塞避免和拥塞三个阶段,并在拥塞避免阶段开始采取行动,丢弃一些数据包.由于各阶段的描述存在一定的不确定性,因此一些传统的方法很难取得很好的效果.文章充分利用模糊理论在处理不确定性问题上的优越性,提出一种新的基于模糊控制理论的拥塞控制算法,使路由器在发生拥塞时智能地分清各连接的状态,并能正确地处理处于拥塞状态的数据包.该算法有较好的早期预测能力,提高了拥塞机制的自适应性,确保网络拥塞控制系统的性能更稳定.     

基于队列的模糊拥塞控制算法

传统的Poisson统计流量模型对于以突发性流量为基本特征的Internet网络不再适应,而采用更加接近Internet网络流量特征的自相似模型,会具有复杂的建模过程和繁杂的计算.为此,从数据缓冲区占用情况的实时状态出发,运用模糊理论对缓冲区占用率状态这一模糊性问题进行描述,建立起模糊拥塞控制模型,并实现了对拥塞的模糊控制.它对所有到达的数据流按照一定的优先级进行分类,并把全局性缓冲区和各队列的局部性缓冲区按照正常、拥塞避免和拥塞的规则划分为3个具有交叉过渡域的几个阶段,然后采用整体和局部相结合的拥塞控制方法,实现了队列调度过程中的模糊性处理.理论分析和NS实验仿真结果表明,该算法在保证各连接服务的公平性方面,特别是在保护和隔离非拥塞状态的连接上,取得了比传统方法更好的效果,从而更好地改进了路由器或者交换机的拥塞控制性能.     

一种基于模糊神经网络的可靠流量控制模型

为控制P2P流量，本文从数据缓冲区使用的实时状态出发，提出了一种基于模糊神经网络的拥塞控制模型，该模型把缓冲区划分为两个队列分别存放P2P和非P2P的数据包，通过模糊神经网络预测评估缓冲区队列的拥塞状况，并建立一个评估函数对各队列的空间分配作出指导，使得能够控制各队列的拥塞状况，并动态的调整缓冲区队列的分配，在缓冲区溢出前主动丢包，避免缓冲区锁定。模拟实验的结果表明，该模型在保证网络资源分配的公平性方面取得了较好的效果，它降低了数据包排队延时和丢包率，提高了路由器处理网络拥塞的能力。     

禁忌遗传算法整定的网络拥塞控制研究

研究网络拥塞优化控制问题,网络路由器是网络拥塞的主要控制单元,当网络业务流量大增,造成路由器缓存队列增加,引起时延抖动.传统网络路由器采用PID控制方式,与控制效果相关的3个参数,采用试验和试凑等人工方式进行优化,参数一旦确定就固定不变,而网络上信息流量具有时变性和突发性,因此传统PID固定参数方式不能适合网络变化特点,导致网络容易产生拥塞现象.为了更好防止网络拥塞,提出一种禁忌遗传算法的网络拥塞控制方法.用遗传算法的全局搜索方式对网络路由器PID控制参数进行寻优,再用禁忌搜索算法对遗传算法得到的PID参数进行局部求精搜索,最后获得最优网各路由器PID控制参数.仿真结果表明,禁忌遗传算法能够很好的适应网络流量变化规律,更快找到最优路由器PID控制参数,提高控制效果,有效控制网络流量,减少了网络传输时延,为优化控制提供了参考.     

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。     

一种基于多阶段资源感知的拥塞控制算法

拥塞控制是组成IPQos的重要部分,传统的拥塞控制算法主要是通过对本地的资源拥塞信息来进行拥塞状态的判定和丢弃决策,而这有可能会导致带宽浪费问题。通过对基于网络处理器的路由器的多阶段拥塞控制时机分析,本文提出一个多阶段资源感知算法CC-AMR,并在路由器上进行了具体的实现和性能测试。结果表明,该算法可以在拥塞发生时有效地提高系统的性能。     

路由器中拥塞数据流浪费带宽问题及其解决方法

传统的路由器拥塞控制算法主要依据本级队列资源的拥塞状态信息进行报文丢弃决策,这将导致产生拥塞数据流浪费带宽问题BW-CDF.从理论上分析了BW-CDF问题产生的原因,为解决该问题提出了一种新的路由器拥塞控制算法CC-AMR,该算法综合考虑多级资源的拥塞状态而实施更加合理的报文丢弃决策.同时,阐述了该算法在基于网络处理器的核心路由器上的实现方法.实际的测试验证结果表明该算法能够缓解BW-CDF问题,从而较大幅度地提高了拥塞发生时路由器的总吞吐率.     

基于Fuzzy丢包区分的TCP自适应拥塞控制算法

针对在有线/无线的异构网络中,传统有线环境下的传输控制协议(TCP)把所有丢包简单地归因于网络拥塞,严重影响了混合网络环境下的TCP传输性能的问题,提出了一种新的基于模糊理论的自适应控制算法。该算法选取了新的网络参数,运用Fuzzy方法对网络状态进行综合评价,并基于反馈理论的方法建立了新的自适应控制模型,即对评价结果集进行加权求和,得出网络性能指数,将其作为输入因子进入下一次计算过程,并调整各参数权重。仿真表明,该算法能够较好反映混合网络的真实拥塞状况,具有较好的网络适应性,比当前主要TCP算法具有更好的拥塞控制效果。该算法对在多参数,使用模糊方法背景下,混合网络拥塞及其自适应控制研究进行了新的探索。     

基于累积时延的流媒体传输模糊拥塞控制

为保证网络流媒体传输质量,在流媒体的传输中需要采用有效的拥塞控制策略.结合流媒体数据对时延敏感的特点,提出了一种基于累积时延的模糊拥塞控制算法,该算法在流媒体数据流传输过程中检测和跟踪其时延,在转发分组数据前,根据容忍时延阈值,丢弃超时数据包,减少不必要的带宽浪费,并且对所到达的数据流按照累积时延进行优先级分类,把全局性缓冲区和各队列的局部性缓冲区按照正常、拥塞避免和拥塞的规则划分为3个具有交叉过渡域的阶段,然后采用整体和局部相结合的拥塞控制方法,实现队列调度过程中的模糊处理,从而对网络拥塞进行有效的控制.理论分析和实验结果表明,使用基于累积时延的模糊拥塞控制算法,能有效改善流媒体的传输性能,是解决流媒体传输拥塞控制的有效途径,并能对提高网络性能起到重要作用.     

基于模糊滑模控制的主动队列管理算法的研究

针对网络拥寒问题,提出一种基于模糊滑模控制的主动队列管理算法,能得到快速反应能力和良好的鲁棒性。模糊滑模控制算法用队列长度和微分作为主动队列的输入,通过动态测量包丢失率来调整模糊规则。与一些典型的主动队列算法相比,模糊滑模控制算法用较少的队列延迟交换吞吐量,而且能达到一个更高的吞吐量。并且,本算法可以在最少的模糊规则下被执行。     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 利用Smith预估器补偿网络时滞, 同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

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。     

Traffic modeling, prediction, and congestion control for high-speednetworks: a fuzzy AR approach

In this study, a fuzzy autoregressive (fuzzy-AR) model is proposed to describe the traffic characteristics of high-speed networks. The fuzzy-AR model approximates a nonlinear time-variant process with a combination of several linear local AR processes using a fuzzy clustering method. We propose that the use of this fuzzy-AR model has greater potential for congestion control of packet network traffic. The parameter estimation problem in fuzzy-AR modeling is treated by a clustering algorithm developed from actual traffic data in high-speed networks. Based on the adaptive AR-prediction model and queueing theory, a simple congestion control scheme is proposed to provide an efficient traffic management for high-speed networks. Finally, using the actual Ethernet-LAN packet traffic data, several examples are given to demonstrate the validity of this proposed method for high-speed network traffic control     

交通灯的一种智能模糊控制系统

本文设计了一种新型交通灯智能模糊控制系统,突破了传统机械的定时模式,利用模糊控制算法对四相位三车道单交叉口的交通灯进行控制,可以依据实时交通流量灵活运行。通过模糊规则,即对当前等待队列长与通行队列长以模糊推理,得到最佳的绿灯延时时间。仿真结果表明模糊控制方法在车辆延误时间上较之传统定时控制方法大为改善,使公路利用率产生可观的经济效益。     

交通灯的一种智能模糊控制系统

本文设计了一种新型交通灯智能模糊控制系统，突破了传统机械的定时模式，利用模糊控制算法对四相位三车道单交叉口的交通灯进行控制．可以依据实时交通流量灵活运行。通过模糊规则，即对当前等待队列长与通行队列长以模糊推理，得到最佳的绿灯延时时间。仿真结果表明模糊控制方法在车辆延误时间上较之传统定时控制方法大为改善，使公路利用率产生可观的经济效益。     

一种基于组合型模糊控制的主动队列管理算法

计算机网络具有的复杂性和动态特性使传统控制理论难以进行主动队列管理（Active Queue Management, AQM）算法的设计和分析．本文在模糊集合和模糊系统理论的基础上设计了一个主动队列管理算法CF（Combination Fuzzy control）．其中模糊控制器I根据瞬时队列的长度和变化值计算控制量；模糊控制器II根据系统负载因子计算控制增益．通过选择模糊控制器参数，模糊控制系统与使用PI（Proportional Integral）控制器的系统具有相同的局部稳定性．最后通过仿真对CF、PI和单模糊控制器的性能进行了比较．