动态带宽分配对主动队列管理性能的影响

随着Internet的蓬勃发展以及多媒体业务流的出现,传统的ARED(Adaptive Ran-dom Early Drop)算法暴露出其不完备性.本文在区分服务体系架构下研究了动态带宽分配对主动队列管理(AQM)算法性能的影响,提出了EARED(Enhanced Adaptive RED)算法,重点讨论列服务速率的动态变化对RED性能的影响,通过估计队列服务的速率,减小了瞬时队列长度与平均队列长度的振荡幅度,从而减小了分组的时延抖动,并保持丢失率的相对稳定.最后通过仿真验证了算法的有效性.     

一种改进AVQ的主动队列算法

在讨论了各种算法的基础上，分析和比较了现有的几种主动队列管理算法：随机早期检测算法（RED），自适应RED算法（ARED），自适应虚拟队列（AVQ）算法，动态阈值（DT）算法以及队列长度阈值（QLT）的分组调度算法等，并对AVQ算法进行了改进，将原算法维持单个虚拟队列改为维持多个虚拟队列，从而使其在原性能的基础上增加了区分服务的功能，以达到适应下一代网络发展的需要。     

控制理论在主动队列管理中的应用

拥塞控制中作用于网络中间节点的主动队列管理策略(AQM)是解决IP网络拥塞问题和保证QoS的重要途径．运用控制理论，首先对TCP拥塞控制机制建模，在此基础上运用经典控制理论对主动队列管理各种策略进行分析，着重对AQM的唯一候选算法——随机早期检测(RED)算法进行分析与探讨，给出针对AQM策略的比例及比例积分控制器设计．针对网络本身是一个复杂、时变与不确定性的系统，智能控制理论更适合这类对象分析，为此，引入的智能控制理论采用模糊控制和神经网络控制对AQM策略进行研究和分析．     

自适应模糊BLUE主动队列管理算法

针对随机早期检测算法（RED）存在的参数不易配置等问题，设计了一种自适应模糊BLUE算法（Adaptive Fuzzy BLUE AFBLUE），用配置好的模糊逻辑规则来计算包丢弃概率，并设计了自适应调整机制来调整模糊控制规则以更好地匹配网络环境地变化。仿真结果表明，在网络环境动态变化环境下，自适应模糊BLUE算法能有效将队列长度控制在期望值附近，运行性能良好．     

负载与队列高效结合的主动队列管理算法研究

目前已有的大多数主动队列管理算法按照判别拥塞的主要依据可以分为2大分支：基于负载（Load-based）的AQM算法和基于队列（Queue—based）AQM算法。分析了单独以队列或者单独以负载作为拥塞判别依据的不足，提出了一种基于负载与基于队列相结合的AQM算法LQC（Load Queue Contr01）算法。仿真结果证明，与RED、FRED和LDC算法相比，LQC算法能更好地稳定队列长度和减少丢包率。     

典型的主动队列管理算法性能分析

介绍了主动队列管理(AQM)算法与网络服务质量(QoS)的密切关系,通过NS2仿真,对几种具有代表性的AQM算法(RED、SRED、BLUE)的性能进行分析与总结.结果表明AQM算法通过保持较小的平均队列长度,提供更大的容量吸收突发数据包来减小丢包率,提高了平均带宽的利用率,保证了较高的吞吐量,有效地改善了网络服务质量.     

几种主动队列管理拥塞控制算法的比较研究

主动队列管理是近年来端到端拥塞控制研究的热点，50多种AQM算法已经被提出，但路由器中采用哪种算法没有统一认识。通过仿真实验，对ARED、AVQ、PI和REM4种主动队列管理拥塞控制算法在相同的仿真网络环境中进行了比较研究。实验研究表明，这4种AQM算法都能使队列稳定在目标值，PI算法使队列最稳定，AVQ算法维持一个较小的队列长度；4种AQM算法都能经过一定时间适应网络变化的要求，PI和AVQ算法有较好的性能，短流对ARED和REM算法有较大影响；4种算法都没有根本解决对UDP流的公平性问题。     

基于滑模控制的主动队列管理算法

针对TCP模型的非线性本质以及网络中存在的不确定性因素如TCP连接数、回路时延、链路带宽,提出了基于滑模控制(SMC)的主动队列管理(AQM)算法,该算法对不确定性具有很强的鲁棒性,而对滑模控制中普遍存在的抖振现象,采用了指数趋近律方法,并对状态轨线接近切换面时的控制信号进行柔化以削弱由于控制切换而引起的抖动.所提出的基于SMC的AQM算法可以使队列快速收敛到期望队列长度及保证输入受限TCP非线性闭环系统渐近稳定.仿真结果表明该算法有效.     

主动液压悬架建模及最优控制

对一种液压悬架进行了动力学建模,并构建了控制执行机构的控制量与车辆实时状况之间的关系。根据最优控制理论,设计了液压主动悬架二次型最优(LQR)控制器,分析了系统在随机激励条件下的时域响应和频域响应。仿真结果表明:与被动悬架相比,最优控制的液压主动悬架在低频共振区能有效控制车身垂直加速度、悬架动扰度和轮胎动载荷。     

几种主动队列管理拥塞控制算法的比较研究

主动队列管理是近年来端到端拥塞控制研究的热点,50多种AQM算法已经被提出,但路由器中采用哪种算法没有统一认识。通过仿真实验,对ARED、AVQ、PI和REM 4种主动队列管理拥塞控制算法在相同的仿真网络环境中进行了比较研究。实验研究表明,这4种AQM算法都能使队列稳定在目标值,PI算法使队列最稳定,AVQ算法维持一个较小的队列长度;4种AQM算法都能经过一定时间适应网络变化的要求,PI和AVQ算法有较好的性能,短流对ARED和REM算法有较大影响;4种算法都没有根本解决对UDP流的公平性问题。     

主动式队列管理中ARED算法的分析研究

主动式队列管理（AQM）是用于网络拥塞控制的一种机制．介绍了主动式队列管理中的ARED算法,重点说明了ARED算法的原理,对算法进行了描述,分析了算法中的参数设置问题,并对算法本身的优点和不足之处进行了分析研究．     

用于队列管理的模糊增益神经元自适应控制器

针对具有参数时变及非线性特性的网络拥塞控制系统,提出了一种模糊增益神经元主动队列管理算法(FNAQM). 采用路由器队列长度及数据流速作为拥塞度量,在检测当前拥塞信息的同时,预测未来拥塞的状况. 结合神经元控制和模糊控制的优点,利用单神经元计算数据包标记概率,采用有监督的Hebb学习规则在线调整加权系数. 设计的模糊控制器可动态调整神经元增益,能获得更好的控制性能. FNAQM具有结构简单、易于实现、自适应能力强等优点. 仿真实验结果表明,FNAQM能快速将队列调整至目标值,并维持较小的队列抖动,对动态数据流和非响应流具有良好的鲁棒性.     

一最优轨线实例的两种数学模型及其评价

本文对工程和经济规划中常见的最优轨线问题通过一实例建立了静态(非线性规划)和动态(最优控制)两种数学模型,并对两模型的特点进行了一些分析比较,最后对模型进行了一些推广。     

基于队列和负载因子的动态参数随机指数标记算法

为了解决随机指数标记算法(REM)队列抖动大,对动态数据流响应慢,以及环境适应性差等问题,分析了算法的控制属性,并提出了一种参数动态调整的随机指数标记算法(DREM).基于控制理论的分析表明,REM算法具有比例积分(PI)控制属性.通过引入队列因子和负载因子的概念,对队列调整状态进行实时划分,能够有效地判断当前网络的拥塞状况.同时,利用队列和负载因子设计了关键参数的调整率,以协助基于"和式增加积式减少(AIMD)"规则的TCP拥塞控制策略,有效增强了REM算法的控制性能.NS2平台中的仿真实验表明,相对于标准REM算法,DREM提高了队列长度的响应能力,减小了丢包率,增强了主动队列管理算法的适应性和鲁棒性.     

基于Petri的改进优先级队列缓存管理分析与仿真

为了解决由于网络环境中多媒体业务需求的快速增加,导致应用对延迟和拥塞概率等性能指标的要求逐渐提高的问题,提出了一种改进的优先级队列的缓存管理机制。详细研究了该机制的实现原理和方法,并使用Petri工具及排队理论对改进的优先级队列进行了建模。通过仿真实验分析了该缓存管理机制在缓存管理过程中的性能指标,证明了该缓存管理机制能有效地提高多媒体通信的性能,满足多媒体通信的服务质量要求。     

优化设计中单元最优剖分的数学模型和程序实现方法

用有限元法进行建筑物优化设计过程中,建筑物的形状和几何尺寸在不断变化.建筑物变化后,原来的单元会出现重叠或锐化畸形,计算结果就会失真.因此,必须重新调整节点坐标,改善单元形状.笔者提出的牵制覆盖法就是应用最优控制的数学模型获得网格单元的最优剖分,保证位移和应力计算结果的准确,最终实现建筑物的最优设计.     

基于主动网技术的网络管理模式

分析了传统的网络管理模式 ,在概述了主动网络发展及特点的基础上 ,对网络管理应用在主动网络平台上的实现进行了分析 ,并详细讨论了能充分体现主动网思想的网络管理模型——委派管理模型     

小型水电站水库优化调度新模型探讨

针对目前水电站水库优化调度计算中 ,电站出力系数和水头损失近似取值或计算导致优化计算结果并非真正最优的问题 ,提出了小型水电站水库优化调度新模型 .该模型以水库优化调度模型为主模块 ,以水电站厂内优化运行为子模块 .在用动态规划求解主模块过程中 ,调用水电站厂内优化运行子模块 .由于子模块以机组的实际动力特性为依据 ,而且将电站引水系统和尾水系统由于机组组合方式不同所出现的不确定因素纳入优化设计之中 ,可有效地解决电站出力系数和水头损失近似计算的问题 ,且计算结果更加准确、可靠