显示拥塞指示标记的主动队列管理研究

主动队列管理对于解决网路拥塞具有重要意义。针对PID主动队列管理算法在调节队列长度时有较大的丢包率这一缺点,提出一种显示拥塞指示标记即ECN标记的PID主动队列管理算法。该算法用显示拥塞指示标记取代丢包机制,用于通知源端网络即将发生拥塞,采用PID控制器实现反馈控制,保证系统的稳定性。仿真结果表明,显示拥塞指示标记的主动队列管理算法适用于多变的网络环境,比PID算法具有低丢包率、低延时和高吞吐量的特点。     

大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性．仿真结果表明,所提出的算法是可行而有效的。     

基于积分分离PI的主动队列管理算法

在目前的网络拥塞算法研究中,在IP层实现的主动队列管理（AQM）已经成为一个研究的热点。简要介绍了AQM算法的研究现状,具体分析了AQM中的PI算法,并利用积分分离技术改进了PI算法。与常规的PI算法相比,仿真结果表明：在一定范围内积分分离PI算法不但可以消除队列误差,保持队列的稳定,而且可以明显加快队列的收敛速度。     

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.     

基于单神经元自适应PI 控制器的主动队列管理算法

基于神经网络理论中的神经元模型与学习算法,设计了一种主动队列管理算法SNAPI（Single Neuronbased Adaptive PI controller）．控制器根据系统误差在线调整PI 控制器的控制参数,以适应动态变化的网络参数．运 用Nyquist 稳定判据给出了系统在平衡点附近的局部稳定条件．最后通过仿真检验了SNAPI,并比较了它与使用固 定控制参数的PI 算法的性能．     

预测PI时滞网络拥塞控制算法设计及性能分析

针对网络中存在的大时滞给主动队列管理算法性能带来的不利影响,将Sm ith预估器与Dahlin算法相结合,提出了一种预测PI拥塞控制算法,首先利用Sm ith预估器补偿时延滞后,克服了大时滞给系统性能带来的影响;然后按Dahlin算法设计控制器,把控制器参数和预估对象模型参数相结合,既减少了整定参数,也避免了参数整定时的相互影响.同时,利用经典控制理论方法分析了系统稳定性和存在链路容量干扰时瓶颈队列的暂态、稳态特性.仿真结果显示预测PI算法控制性能优于RED,PI算法及具有较强的鲁棒性.     

基于网络状态参数估计的主动队列管理PI改进算法

作为一种重要的主动队列管理手段,PI控制器算法通过积分嚣的引入有效地消除了队列长度控制的稳态误差,在提高网络吞吐的同时缩短了排队时延.但是PI控制器不能根据网络状态变化而自动调整控制参数,故当网络流量变化时PI控制器的收敛速度很慢.基于TCP-AQM系统模型,对经过中间节点的活动连接数、平均往返时间和前向链路容量等3个参数进行估计.通过计算击中概率的倒数,估计出活动流数;通过计算单位时间的数据包数,估计出网络容量;通过往返时延、活动流数、网络容量以及丢包概率在稳态时的关系式,估算出平均往返时延.在此基础上,提出了对网络状态变化自适应调整控制参数改进的快速收敛PI算法——FCPI算法.仿真结果表明,该算法有效提高了算法的收敛速度,并且鲁棒性好,易于实现,适用于未来高速网络的路由器.     

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.     

基于主动队列管理的拥塞控制算法研究

由于网络的高速发展和各种业务类型的实施,使互联网不可避免的产生拥塞现象。作用于网络中间节点的主动队列管理策略(AQM)是目前解决网络拥塞问题和保证QoS的重要途径,对该领域的研究有着重要的现实意义和应用价值。     

一种新的主动队列管理算法

提出一种新的主动队列管理（AQM）算法。本算法以V. Misra的TCP流量随机微分方程模型为基础,在计入窗口限制的约束条件下,由局部线性化方法导出本文主动队列管理模型的传递函数,并以其作为受控对象,利用比例积分微分（PID）调节器控制该传递函数输出与理想队列长度之差。仿真分析表明,本算法性能优于RED和ARED算法。     

动态矩阵主动队列管理算法

针对Internet网络这种大延迟,变化复杂,存在严重干扰的系统,基于约束模型预测控制理论,提出了一种新的主动队列管理算法(DMAQM算法).首先根据预测模型和状态估计器,预测瓶颈链路队列的未来动态特性,它是确定丢包率的基础;然后将拥塞控制的控制要求转化为优化目标函数,在线求解优化问题得到丢包率.DMAQM算法通过滚动优化来适应网络环境的变化,提高了算法鲁棒性;同时在求取丢包率时显式地考虑了网络中存在的约束.仿真结果显示DMAQM算法控制性能优于RED算法,在满足约束的前提下,具有较强的抗干扰能力,同时具有较好的稳定性和鲁棒性.     

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.     

主动队列管理中增强型自适应虚拟队列管理算法之设计及稳定性分析

提出了一种基于速率的增强自适应虚拟队列管理算法(EAVQ). 在该算法中引入主从拥塞尺度和期望链路利用比的概念; 以输入速率为主要拥塞尺度, 以便保留原有自适应虚拟队列管理算法(AVQ)中响应速度快、队列时延短、链路利用率高等优点. 同时, 以期望链路利用比为辅助拥塞准则, 设计了一种基于速率的期望链路利用比自适应机制, 解决了AVQ中参数设定困难、队列抗干扰能力弱, 及存在链路损失等缺点; 在改善系统动态性能的同时保证了链路容量的充分利用. 在线性化基础上给出了一般网络结构下TCP/EAVQ系统的局部稳定条件. 通过仿真验证了EAVQ的有效性.     

互联网中的模糊滑模拥塞控制策略

针对互联网中的拥塞控制问题, 基于滑模控制理论及T-S（Takagi-Sugeno）模糊模型,提出了一种模糊滑模拥塞控制策略。考虑到互联网中存在的不确定和时变时滞因素,采用T-S模糊模型对网络系统进行了建模。利用线性矩阵不等式设计了一个渐近稳定的滑模面,有效地补偿了不确定及时滞因素的影响。基于趋近律的方法设计了控制器,有效地抑制了路由器中队列长度的振荡。多种情况下的仿真对比表明,所提出的控制策略具有更好的稳定性和鲁棒性。     

主动队列管理的约束H_∞状态反馈控制方法

考虑Internet网络的时滞、物理量变化复杂、物理约束等因素,将主动队列管理问题(AQM)描述为约束系统的干扰抑制问题,运用约束H1控制理论设计AQM鲁棒控制器.首先将时变且不可准确测量的可用链路容量建模为已知名义常值加上未知时变干扰;同时考虑网络中存在的物理约束,利用双椭圆域方法将时域硬约束转化为一组LMI约束;最后通过求解LMI约束的优化问题得到状态反馈增益,解决网络拥塞控制系统的干扰抑制问题.同时与随机早期检测(RED)和PI算法的仿真结果比较显示,约束H1状态反馈控制器降低了链路容量的不确定性对系统动态特性的影响,提高了AQM算法的鲁棒性.