一种基于可变结构的主动队列管理算法

主动队列管理算法(AQM)是近年来网络拥塞控制的研究热点之一,已经提出了许多的主动队列管理算法,例如:RED,ARED,SRED,PI,REM等.文中设计一种基于控制理论的可变结构的主动队列管理.通过分析控制机制对于非线性的TCP/AQM模式的鲁棒性和性能,展示了在不确定的RTT(round-trip time)和活跃的TCP连接个数的情况下,有很好的性能和鲁棒性,这正是主动队列管理最重要的理念.运用网络仿真软件NS对设计进行仿真验证,从不同的角度对其性能与现有队列管理算法进行比较.仿真结果显示,从稳定性和鲁棒性等角度,可变结构控制算法显著胜过现有的AQM算法     

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.     

主动队列管理中的APD和APID控制器的设计*

AQM策略作为终端系统上网络拥塞控制的一种补充,能在保证较高吞吐量的基础上有效地控制队列长度,从而实现控制端到端的时延,保证QoS。理论上,很多AQM机制可以最终归结为PID控制器。因此在研究PD和PID控制器模型的基础上,设计了两种新的适应性控制机制,即APD和APID控制器,使系统在网络变化的情况下能提高其稳定性和网络性能,并仿真验证了这两种新算法的稳定性和网络性能。     

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。     

不确定时滞TCP 网络中基于T-S 模型的滑模AQM算法

针对传输控制协议(TCP)网络中的拥塞控制问题,基于T-S模糊模型,提出一种滑模主动队列管理(AQM)算法.考虑到TCP网络中存在的不确定和时变时滞因素,对非线性TCP网络进行了T-S模糊模型的建模.利用LMI设计了一个渐近稳定的滑模面,并提出一种能更好抑制抖振现象的到达条件,基于该到达条件设计的控制器能有效地抑制路由器中队列长度的振荡.大量仿真结果表明,所提出的算法比普通滑模AQM算法具有更好的稳定性和鲁棒性.     

FERED：公平性增强的RED算法

当前大多数AQM机制的实现算法都更多地强调了算法的效率和稳定性而忽视了公平性.已有研究表明,TCP的RTT不公平性问题和多拥塞链路环境下的不公平性问题广泛存在于众多的著名AQM实现算法中,比如RED,REM,PI和AVQ等.虽然FRED和Balanced RED可以解决这些不公平性问题,但它们的实现都需要在路由器上保留每流状态信息,算法可扩展性存在问题.在实际网络测量试验结果的基础上,提出了利用IP数据报头中的TTL字段信息来增强公平性的思路,并据此对RED算法进行了扩展,实现了一个公平性增强的RED算法(FERED).NS2仿真试验结果显示FERED可以显著增强公平性,同时保留了RED算法可以很好地控制队列长度的优点,而且FERED实现简单,无需在路由器保留每流状态信息.     

基于延时补偿结构的大时滞网络拥塞控制

研究和分析了几种典型的主动队列管理AQM(Active Queue Management)算法在大时滞网络下的稳定性、性能及响应速度,发现如RED、PI等AQM算法在大时滞网络环境下队列出现剧烈的振荡和空队列增多,这些现象直接导致链路利用率降低和丢包率增大.针对上述的大时滞网络,将具有正反馈的延时补偿结构用于TCP/AQM拥塞窗口动态模型,实现对延时的补偿,仿真表明采用该控制结构提高了网络的性能.     

适用于异质网络的RED算法的改进与分析

设计、分析和评价主动队列管理(AQM)算法成为近来网络拥塞问题研究的一个热点.随机提前探测(RED)算法作为AQM算法的典型代表,得到了较为广泛的应用.为了提高它的稳定性和公平性相继又开发出了ARED(adaptive RED),GRED(gentle RED),FRED(flow RED)和wRED(weighted RED)等多种改进算法.在分析了RED算法及3种变种算法的基础上,比较了它们的优缺点,给出了适用于不同性质网络连接点处的WRED改进算法,用仿真试验证明了WRED改进算法在处理异质网络拥塞问题方面具有优势.     

TCP流的带宽公平性保证机制研究

端到端的TCP拥塞控制机制使得TCP连接获得的瓶颈带宽反比于RTT。为了缓解TCP对于RTT较小流的偏向，区分服务的流量调节机制在RTT较小的流取得目标速率且获得多余资源的情况下可以确保RTT较大流不至于饥饿。现有的方法在网络拥塞程度较重或者RTT差异较大时不能有效地工作，因此提出了一种改进方法。其主要思想就是根据网络的拥塞程度自适应地调整对RTT较大流的保护程度。大量的仿真试验表明，所提的机制能有效保障TCP流的带宽公平性并且比现有方法具有更好的性能。     

基于内模控制的自适应主动队列管理算法

实际网络具有大时滞性和动态特性。针对大时滞特性,根据内模控制(IMC)和改进的TCP/AQM控制理论模型设计了一种适合于大延时网络环境的主动队列管理算法。而对于网络的动态特性,分析了网络参数的变化给算法带来的影响,并以此对算法参数进行在线修正,得到符合大时滞网络的自适应AQM算法。最后通过NS2仿真实验验证了设计的AQM算法的可靠性。     

大时滞网络中的拥塞控制算法

主动队列管理(AQM)通过网络中间节点有目的的分组丢弃实现了较低的排队延时和较高的有效吞吐量,是近年来TCP端到端拥塞控制的一个研究热点.已有的大多数AQM算法在设计过程中都没有充分考虑到大时滞对算法性能的影响.首先通过仿真试验证实了已有的几种典型算法控制的队列在大时滞网络中无一例外地出现了剧烈的振荡,导致瓶颈链路利用率下降和延时抖动加剧.为此,在进行了适当模型拟合处理的基础上,应用控制理论中的内模补偿原理设计了鲁棒的延时补偿主动队列管理(delay compensation-active queue management,简称DC-AQM)算法,克服了大时滞给队列稳定性造成的不利影响.仿真实验结果表明,新算法在大时滞小期望队列长度的网络配置中表现出的综合性能明显优于已有的算法,链路利用率是其他算法的3～4倍.     

基于时滞补偿的网络拥塞控制策略*

中间节点上的主动队列管理策略在保证较高吞吐量的基础上能有效控制队列长度和端到端时延,利用频率域模型降阶拟合方式建立了TCP流量控制中主动队列管理系统的等效模型,应用控制理论中的内模补偿原理设计鲁棒的延时补偿主动队列管理控制算法,克服了大时滞给对队列稳定造成的不利影响.仿真结果表明,该补偿方法在长时滞小期望队列综合性能明显优于已有的RED,REM,PI等算法,链路利用率大大提高.     

一种基于Smith预估器的主动队列管理(AQM)拥塞控制算法

有效的拥塞控制机制是保证Internet稳定运行的关键因素之一,网络拥塞控制系统本质上是一个时滞系统,传输时延是网络拥塞控制必须考虑的一个重要因素.本文应用Smith预估控制原理,在进行适当模型拟合处理的基础上,提出了一种基于Smith预估器的主动队列管理(AQM)算法(AQMAlgorithmbasedonsmithpredictor算法,简称Smith-PI),新算法结构简单,易于配置,具有良好的鲁棒性和网络控制性能,同时克服了大时滞给队列稳定性造成的不利影响。通过仿真表明,采用Smith-PI算法,对于限制系统振荡超调量的作用非常明显,同时能使网络具有更快的响应速度及更平稳的队列,而当网络时延增大时,算法能使网络的动态性能依然保持良好,使得缓存队列迅速收敛到稳定值。     

基于Smith预估的模糊PID主动队列管理算法研究

为解决网络拥塞控制系统中由于网络大时滞对主动队列管理算法产生不利影响的问题,提出了一种基于Smith预估的模糊PID主动队列管理算法.该算法将Smith预估控制与模糊控制相结合,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、鲁棒性差的缺点,使主动队列管理算法控制性能有明显提高.仿真实验结果表明,该算法在大时滞的网络环境下能很好地将路由器队列长度收敛于期望值,并能适应突发流和非弹性业务流的干扰,适用于动态变化的网络环境.     

基于速率和队长的大时滞网络AQM算法

针对网络拥塞控制系统在大时滞网络中产生的不利影响,提出一种基于速率和队长的大时滞网络AQM算法。该算法采用缓冲区队列长度和包到达速率作为网络拥塞的判别依据,在结合Smith预估的模糊PID控制方法中加入速率控制项。仿真表明该算法在大时滞和网络动态变化的环境中拥塞响应较快、收敛时间短,并能较好地将队列长度稳定到期望值附近,提高缓冲区的利用率。     

基于神经元自适应变结构控制的主动队列管理算法

针对网络TCP模型的非线性以及回路延时和负载波动等不确定性因素,提出一种基于神经元自适应变结构控制(VSC)的主动队列管理(AQM)算法。通过非线性变结构控制以保证路由器队列响应的快速性和鲁棒性;同时考虑到滑模控制中存在的抖振会引起队列波动和控制精度降低等问题,引入神经元在线调整控制器参数以减弱抖振,从而减小队列延时和模型不确定性的影响,提高AQM系统的鲁棒性和性能。最后通过NS-2仿真实验验证了算法的有效性。     

On the use of a full information feedback to stabilize RED

RED and most of its family algorithms use only the average queue length as a congestion meter. Since the average queue length considers only long-term behavior of the queue, these algorithms fail to see instantaneous changes of the queue length and hence their reaction to the congestion is not fast enough. In other words the feedback generated by using only the average queue length does not reflect the network congestion precisely and hence leads to a poor performance and stability. This paper solves this problem by designing a RED-based active queue management (AQM) algorithm, called FUF-RED that provides a Full Information Feedback. This algorithm not only considers the average queue length but also it takes into account growth rate of the instantaneous queue length to calculate its congestion feedback. The proposed algorithm is supported by a theoretical stability analysis which gives those feedback gains that guarantees the network stability. Extensive packet level simulations, done by using ns-2 simulator, show that the proposed algorithm outperforms existing AQM algorithms in terms of stability, average queue length, number of dropped packets and bottleneck utilization.     

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。     

基于单神经元预测PID的主动队列管理算法

针对网络中普遍存在的大时滞现象以及网络参数实时变化问题,将单神经元PID预测控制器用于主动队列管理算法(AQM).利用单神经元的自学习能力解决网络实时变化时算法参数的在线整定问题,并利用Levinson预测器有效地解决了大时滞对网络性能的影响,最后通过仿真进一步验证了提出算法的有效性.