主动队列管理机制在突发流下的性能比较与分析

主动队列管理机制(AQM)是目前拥塞控制领域研究的热点。本文研究了几种具有代表性的AQM机制在突发流下的性能。研究结果表明，具有相位滞后特征的控制器能够减小对突发流的偏见。本文的分析和研究有助于深入理解AQM机制的性能，并且对新的AQM算法的设计具有重要的指导意义。     

典型AQM算法的性能评价模型

利用GI/M/1/N排队系统和Internet业务流量自相似性的特点建立了一个评价AQM算法在非响应业务流量下性能的分析模型,提出了利用模型的分析计算结果而不是模拟或实验手段评价AQM算法性能的新方法.同模拟或实验手段相比,该方法能更深刻地刻画AQM算法在实际网络环境中的性能.用该模型分析比较3个经典的AQM算法——TD、RED和GRED的性能,所得的结果同其他研究者利用模拟或实验方法所得的结果一致.     

基于扩充的GIX/M/1/N排队系统的主动队列管理算法性能评价模型

为了评价主动队列管理(AQM Active Queue Management)算法的性能,通过在标准的排队系统GIX/M/1/N中嵌入主动队列管理(AQM)算法的方法,建立了一个扩充的GIX/M/1/N排队系统。利用该扩充的GIX/M/1/N排队系统和Internet业务流量自相似性的特征,提出了一种评价AQM算法在非响应业务流量下的性能的分析方法,并据此评价了TD,RED,GRED和Adaptive RED等4个经典的AQM算法。为了验证该分析方法的合理性,利用NS2进行了一系列的仿真实验。结果表明,该分析方法所得结果与仿真实验所得结果一致,因此该分析方法能用于评价AQM算法的性能。     

基于自相似聚合业务流量的AQM算法性能评价

现有TCP/AQM忽略了非响应业务流量对AQM算法性能的影响,但非响应业务流量约占Internet业务流量的70%～80%.因此,评价非响应业务流量对AQM算法性能的影响具有重要意义.借助于在标准GI/M/1/N排队系统中嵌入AQM算法随机丢包机制的手段,提出了一种利用"扩充的GI/M/1/N排队系统"评价AQM算法在非响应业务流量下的性能的分析方法.最后评价了TD,RED和GRED这3种经典的AQM算法,评价结果与NS-2模拟结果一致,表明该分析方法可能用于评价AQM算法在非响应业务流量下的性能.     

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     

基于拥塞控制的AQM算法研究

在对网络拥塞控制进行分析的基础上，介绍了AQM（Active Queue Management）算法的特点及网络流量特征对AQM算法的影响。根据AQM算法的发展概况，将AQM算法中的Drop Tail算法、RED（Random Early Detection）算法、Adaptive RED算法、PI算法、REM（Random Early Marking）算法和AVQ（Adaptive Virtual Queue）算法进行了比较评价。并对AQM算法的反馈方式及AQM算法的控制理论进行了较为详细的分析与探讨。     

几种主动队列管理算法的仿真及性能评估

采用仿真分析的方法,系统地研究了当前提出的用于Internet路由器缓冲管理的一系列主动队列管理(AQM)算法的性能。根据AQM的设计原理,将当前的AQM算法划分为3类：基于队列长度,基于网络负载和同时基于队列长度和网络负载的AQM算法。仿真研究和分析表明,现有的AQM算法不能适应网络流量的动态变化。     

主动队列管理中PID控制器的解析设计方法

主动队列管理(active queue management,简称AQM)是一个非常活跃的研究领域.作为对终端系统上拥塞控制的一种补充,中间节点的AQM策略在保证较高吞吐量的基础上可以有效地控制队列长度.基于TCP/AQM控制论模型,使用H(最优控制理论,以解析的方法设计了新型PID控制器.该控制器的特点是:控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折衷.通过NS仿真并与其他算法相比较,验证了所设计的控制器的性能.结果显示,所设计的PID控制器性能优于其他算法.     

随机指数标记算法的性能分析与控制模型

主动队列管理机制（AQM）是为了改进传统的端到端拥塞控制而提出的。现有AQM算法的设计在很大程度上依赖于直觉,没有全面、系统地运用理论工具,而算法的参数配置以及算法的稳定性分析需要借助于适当的理论。随机指数标记算法REM、比例积分控制器PI都在这方面作了探索性的研究。本文通过对REM算法的性能分析得到其性能与PI非常相相似,进而通过控制论的分析指出二者具有相似的控制模型。最后,文章认为拥塞控制是一个比较典型的控制问题,控制论是解决问题的有力工具,并指出了今后的研究方向 。     

基于加权公平的DiffServ服务质量模型的研究

针对在核心节点实现的主动队列管理（AQM）以预见和防止拥塞,并且能够较公平地分配带宽,介绍了一种加权公平的主动队列管理算法,提出一个基于公平性的拥塞控制机制,即将这种AQM算法部署在可提供QoS服务的区分服务模型中,最后介绍仿真过程并分析该模型的性能．     

具有输入和状态延时网络系统的鲁棒拥塞控制

研究基于状态空间的主动队列管理算法,以状态变量的形式描述具有状态延时和输入延时的TCP／AQM模型,设计基于观测器的状态反馈控制器,观测器在线测量控制器的输出。应用线性矩阵不等式和Lyapunov—Krasovskii定理,给出AQM控制器的控制率和不依赖于延时的稳定条件。NS2仿真表明该控制算法在延时变化和突发业务流情况下,能够快速收敛于期望队列长度,动静态性能优于已有的P1控制算法。     

Design and analysis of an ONOFF variable structure controller for AQM routers supporting TCP flows

Active queue management （AQM） can maintain smaller queuing delay and higher throughput by purposefully dropping packets at intermediate nodes. Most of the existing AQM schemes follow the probability dropping mechanism originating from random early detection （RED）. This paper develops a novel packet dropping mechanism for AQM through designing an ONOFF controller applying the variable structure control theory. Because the binary ONOFF controller can considerably simplify the manipulation on the AQM router, it is helpful for implementing the high performance router. The design principles of ONOFF controller are discussed in detail. The guidelines towards parameter settings are presented. The performance is extensively evaluated and compared with other well-known controllers through simulations and theoretical analysis. The results demonstrate that the ONOFF controller is responsive and robust against external disturbances, and is insensitive to variances of the system parameters. Therefore, it is very suitable for the time- varying network system, and at the same time, it can also keep the instantaneous queue length at a desired level with rather small oscillations, which is conducive to achieving the technical objectives of AQM.     

TCP/AQM系统大时间尺度模型

网络传输连接的往返时延(round-trip times,RTT)大小各不相同,因此TCP/AQM系统本质为一多时滞回路耦合系统.由于RTT分布范围远大于控制量调节周期,这给准确评估控制效果带来很大困难.已有基于控制理论的主动队列管理(active queue management,AQM)算法多以流体流模型为基础进行设计,没有充分考虑RTT和采样周期对系统性能的影响.对于TCP/AQM系统,合理的评价方法是对调节过程进行评价,而非仅评价单个采样周期内的控制量是否合适.本文结合数据驱动控制思想和系统自身特征,统一从路由视角对TCP与AQM之间的交互进行抽象,通过时间扩展从更大的时间尺度去评价控制量调节过程,然后基于此模型设计自适应AQM算法–—大时间尺度AQM算法(large time scale AQM,LTSAQM).仿真结果表明,该算法收敛速度快,排队时延抖动小,特别是在长时滞网络环境下,性能明显改善.     

Adaptive neural queue management for TCP networks

Active Queue Management (AQM) is a proven strategy to efficiently maintain queues and ensure high utilization of Transmission Control Protocol (TCP) network resources. The fundamental mechanism is to manage incoming packet rates at a router to prevent incipient network congestion. In this paper, we present an efficient neural network AQM system as a queue controller. The recurrent neural network has a Multi-layer Perceptron-Infinite Impulse Response (MLP-IIR) structure. Three distinct neural AQMs are trained under different network scenarios involving traffic levels. Selecting one of three neural AQMs is based on posterior probability history of traffic level. In addition, we investigate stochastic modeling of the network dynamics by a Dynamic Bayesian Network (DBN). This model allows implementation of a predictive AQM system in which queue dynamics are predicted and used for error prediction via online DBN estimation. Our AQM method is evaluated through simulation experiments both using an Ordinary Differential Equation (ODE) network model and using OPNET^©. The simulation results demonstrate that our adaptive neural AQM outperforms Random Early Detection (RED) and Proportional-Integral-Derivative (PID) based AQM.     

基于传输控制协议的无线自组网主动队列管理建模

主动队列管理（AQM）通常研究队列控制器的设计．作为被控对象,传输控制协议（TCP）往往利用网络仿真器（NS）的仿真实现,因此有必要研究无线自组网的TCP及AQM特性．基于TCP窗口加性增一乘性减算法及排队原理,推导了TCP窗口及队列的微分方程,再基于比例积分AQM控制,推导了拥塞丢弃概率的微分方程,通过建立联立微分方程组,提出了AdHoc网络TCP／AQM微分模型．对比仿真显示,新模型能较好地估计无线白组网的性能．模型研究也表明,网络跳数,无线丢失和过小的队列成为AQM性能瓶颈,队列信息则有助于TCP区分无线自组网的拥塞丢弃与无线丢失．     

大延时网络中基于单神经元-Smith的AQM算法

本文利用智能控制理论设计了针对大延时网络的单神经元-Smith AQM(Active Queue Management)算法。对算法的设计目标、参数整定规则等问题进行了深入研究,最后的仿真结果验证了该算法在大延时网络主动队列管理中的有效性。