N次随机丢包的被动队列管理算法

针对主动队列管理参数设置敏感、消耗大量资源等问题,提出了N次随机丢包的被动队列管理算法.当队列满时,根据当前网络中与路由节点链接的发送端数目,决定丢弃数据包N的值,然后再采用改进的随机丢弃策略丢弃N个数据包.新的算法与其他被动随机丢弃策略相比,克服了弃尾队列管理的缺陷,能够更快地响应网络拥塞,提高了网络传输性能,同时也能够在一定程度上保证公平性,NS2仿真表明了算法的有效性.     

PSRED:一种Ad Hoc网络中优先级自适应的随机早期检测队列管理算法

本文分析了Ad Hoc网络中队列管理算法的研究现状,讨论了不同算法采取的策略在拥塞控制、丢弃数据包、队列长度抖动、公平性等方面的优点和不足.本文基于队列优先级自适应的思想提出了PSRED算法,实验仿真结果 表明该算法在排队延迟、丢包率、队列长度抖动等性能评估优于其它算法.     

基于元胞蚁群的主动队列管理算法研究

针对网络拥塞现象,基于弃头方式提出了一种新的主动队列管理算法.该算法首先利用元胞蚁群建立了实际网络队长最大值的计算方法,同时通过判断网络队长与阈值的关系,采取从队列头部丢弃N个数据包的方法.最后,以长相关数据进行仿真实验,对比分析了DFCA与RED、DROP-TAIL之间的优劣,结果表明该算法具有较好的适应性.     

一种基于模糊排队论的网络拥塞控制算法

在分析和比较现有的主动队列管理(AQM)的网络拥塞控制算法基础上,将模糊控制理论与排队论相结合,提出了一种适合于动态控制队列长度的拥塞控制算法。该算法根据路由器中队列长度的变化情况,对源端数据包的丢弃概率进行模糊控制,从而避免网络拥塞,提高路由器处理的实时性。通过matlab仿真,验证了此算法能够减小排队的延时、提高带宽利用率以及稳定队列的长度。     

基于Linux下防止IP欺骗的SYN攻击防火墙的设计与实现

设计是以redhat5.O为实验平台构建一个防御IP欺骗SYN攻击的包过滤防火墙.是以RED算法为基础,结合TCP数据包重传机制,检验SYN数据包的IP地址真实性.对TCP请求数据包利用RED算法判断TCP请求的平均队列长度和包丢弃概率.平均队列长度超过系统负载最大值时,直接按照随机分配的丢弃概率判断是否丢弃数据包.平均队列长度在系统负载之内时,如果当前的丢弃概率大于给定的阈值,则查找哈希表是否有相同的数据节点,找到则接受该数据包,没找到则保存数据包信息到哈希表,同时丢弃该包.经过分析研究和实验的验证,该防火墙具有较好的吞吐量,同时正常数据包的通过率较高.     

结合果蝇优化算法的PI主动队列管理方法

为解决PI(Proportional Integral)算法收敛速度慢的问题,结合果蝇优化算法提出一种新的PI主动队列管理算法(PIFF).阐述PI主动队列管理机制及丢包率计算方法,结合队长和到达速率定义丢包策略,利用果蝇优化算法刻画了数据包瞬时状态.通过NS2和Matlab进行仿真实验,深入分析了影响该算法的关键因素,对比研究了该算法与其它算法之间的性能状况.研究结果表明:在长期TCP会话数下PIFF能够减少数据包排队时延,有效缓解网络拥塞.     

基于模糊控制的主动队列管理算法

针对网络模型的不确定性和参数的时变性,该文提出了一种基于输入速率和队列长度变化的模糊控制主动队列管理算法.采用模糊控制方法,不依赖于网络的精确数学模型;考虑了负载因素和队列因素,加快了对拥塞的感知速度.仿真结果表明该算法能迅速地将队列长度收敛到目标队列长度附近,并且其丢弃概率小于随机早期检测算法以及PI控制算法.     

一种改进的显式拥塞指示算法

首先仿真分析了ECN(Explicit Congestion Notification)协议RFC 3168网关的性能.研究表明,该协议中建议的平均队列长度超过门限上界时丢弃包的策略将导致网络吞吐量过低.如果改为标记包策略则可以显著提高吞吐量,但因此造成的长队列会增加系统的平均延迟,而且当负载持续增加时还可能导致不能成功建立连接。为保证高吞吐量、低延迟和连通的鲁棒性,提出一种名为LQRD(Long Queue Random Drop)的改进算法,该算法当平均队列超过队列上限时随机的丢弃分组.丢弃概率综合考虑到平均队列、路由器的缓存大小、链路容量和系统平均延迟等因素的影响,仿真结果表明其具有良好的性能.最后,我们给出并分析了该算法的解析模型.     

一种基于自适应竞争窗口的无线传感器网络拥塞缓解策略

为了解决无线传感器网络拥塞引起的数据包丢失问题,利用节点监测发送队列的长度,当节点发现缓存空置比率上升时,预测本节点将会聚集更多的数据包,则缩小节点的竞争窗口尺寸,提高其成功竞争信道、进行数据包发送的概率,进而提高数据包的传递率.仿真结果表明,仿真开始时,外围节点将数据包不断推送至离汇聚节点较近的节点,使这些节点迅速进入饱和状态,导致拥塞发生;随后,各节点缓存队列长度逐渐缩短,直至各节点缓存的数据包被传输至汇聚节点,网络中只有少量数据包被丢弃.该策略使数据包被临时缓存于网络外围节点,避免其向汇聚节点迅速集中;此外,它还能平衡网络中的载荷分布,大幅减少了网络中数据包的丢失率,使数据包的传递率提高了25%～30%.     

几种典型主动队列管理(AQM)算法

网络拥塞控制按照不同的标准可以分为不同的控制机制和相应的拥塞控制策略.主动队列管理(AQM)算法是一种运行于网络中心节点的积极的闭环控制的链路算法.RED(随机早期丢弃)算法是IEIF推荐的主动队列管理算法的唯一侯选算法,然而算法在响应速度、稳定性等方面仍有缺陷.阐述了当前拥塞控制算法和几种典型的主动队列管理AQM算法,分析总结原始的RED算法的不足.     

一种适用于实时多媒体业务的随机早期检测算法

针对随机早期检测算法(RED)可能连续丢弃同一数据流分组的问题,提出了一种适用于实时多媒体业务的主动队列管理算法.在网络未发生拥塞时,该算法以一定的概率丢弃到达的分组.在丢弃分组时要根据瞬时丢包率判断该数据流最近的分组丢弃情况,如果最近丢包率比较高则放弃丢弃,避免连续丢弃该数据流的分组,以保证多媒体应用的服务质量.在网络拥塞时,丢弃部分数据流的分组,避免了因拥塞造成的大部分多媒体应用同时中断.实验结果表明,不论网络是否拥塞,所提算法都能为实时多媒体应用提供较好的服务质量.     

基于RED的网络拥塞控制算法研究及改进

随机早期检测(Random Early Detection,RED)算法是为TCP流设计的一个主动队列管理机制,能在一定程度上缓解网络拥塞.在RED算法中丢包率与包的大小之间是独立的,这就造成了对小包的歧视.在packet size算法中,通过对RED算法进行适当的改进,体现了丢包率和吞吐量之间的公平性.在此基础上进一步分析,用平均包的大小来影响丢包率以提高网络性能.仿真实验表明该算法对网络拥塞控制具有较好效果.     

一种基于NP4GS3的增强SRED算法

作为一种典型的AQM算法，SRED采用一种负载相关的概率采丢弃报文，使得路由器队列长度处于一个较低的稳定值，从而获得相对稳定的网络延时．但SRED算法在设计初始丢弃概率函数时不能保证函数曲线的平稳过渡，这将导致路由器队列长度不稳定以及不必要地丢弃报文．对SRED算法的缺陷进行了理论分析，在此基础上设计了一种增强的SRED算法：E-SRED；同时，分析了AQM机制在IBM的网络处理器NP4GS3中的实现机制，提出了E—SRED算法在NP上的实现方案，给出了方案实现的完整伪码描述．图4，参11，     

基于元胞自动机的PI主动队列管理方法研究

针对传统的PI(Proportional Integral)算法收敛速度慢等问题,基于瞬时到达速率提出了一种新的PI主动队列管理算法PICA(Proportional Integral Based on Cellular Automa-ton).首先,该算法结合瞬时队长和瞬时到达速率建立了丢包策略,并利用元胞自动机刻画了数据包的动态特性.同时,通过仿真实验,将该算法与传统的PI算法以及RPI(Rate basedProportional and Integral)算法进行比较,结果发现PICA算法在有效传输数据包、时延和丢包率等方面的性能都较优.     

基于元胞遗传方法的主动队列管理算法研究

为了解决网络拥塞现象,基于CHOKe方法建立了一种新的主动队列管理算法New-SCHOKe。该方法首先根据采样击中和队列击中定义了丢包策略和丢包概率,并且利用元胞遗传技术刻画了平均队列长度。同时,以实际数据进行仿真实验,对比分析了该算法与SCHOKe和CHOKe之间的性能,结果表明New-SCHOKe具有较好的适应性。     

无线网状网络的COPE优化方案简

COPE协议成功地把网络编码应用于实际之中,但COPE协议对节点编码数据包的要求限制了系统吞吐量的提升。针对该问题,在COPE的基础上提出了优化的ECOPE协议。通过对网络中常见的一种拓扑结构进行分析,降低节点编码数据包的限制,使输出队列中的数据包被编码的可能性增大,增加节点编码的数据包个数,减少网络中成功发送1个数据包需要的传输次数,从而提高网络的吞吐量。通过改变节点输出队列的长度,找出输出队列与数据包传输消耗的关系,减少发送数据包消耗传输次数。仿真结果与理论分析相符合。     

基于神经网络逆系统的鲁棒主动队列管理算法

通过在中间节点上使用主动队列管理策略来进行有效地拥塞控制,在保证较高吞吐量的基础上稳定地控制队列长度,从而实现了端到端的时延控制和保证QoS需求.在研究中,TCP的流量控制过程被视为二阶非线性时变系统,并通过可逆分析,证明该系统可逆,采用神经网络逆系统这种近年来发展起来的非线性鲁棒控制理论作为控制器的设计方法,设计出一种新的主动队列管理算法.仿真试验表明,这种算法的稳态和瞬态性能都优于与其具有相同实现复杂度的 RED和PI算法,并且在负载扰动和参数变化时具有很强的鲁棒性.神经网络逆系统方法应用于非线性的流量控制过程中有助于系统稳定性和鲁棒性.     

具有优先级区分的RED算法研究

为解决网络拥塞问题, 实现网络用户的服务区分, 提出了一种基于IPv6网络的可区分用户优先级的主动队列管理算法, 即优先级区分RED(Random Early Detection)算法。该算法在IPv6基本报头的流标签域中标记用户的优先级, 并对不同优先级的数据包进行不同的丢包处理。通过OMNeT++3.2模拟仿真的实验结果表明, 基于IPv6网络的优先级区分RED算法能区分用户的优先级, 保证了有优先级用户的服务质量。     

一种基于网络处理器的动态带宽分配算法

针对基于优先级队列（CBQ）机制中带宽分配算法的不足,以Intel IXP2400 为平台,设计并实现了一种基于网络处理器的动态带宽分配算法.该算法以令牌为介质,采用“生产者-消费者”模式,将每个优先级队列看作是一个独立的实体并为其设置一个令牌桶.令牌发放器作为“生产者”,根据队列的预分配带宽,按照特定的速率将令牌放入令牌桶中,调度器作为“消费者”,从令牌桶中取出令牌.某个优先级队列的令牌如果不够用,允许向其他优先级队列借用令牌,或收回借出的令牌,从而实现带宽的动态分配.在IXP2400微引擎上的实验表明,无论高优先级队列数据包速率高于还是低于传统CBQ带宽分配算法中设置的阈值,所提算法的转发速率均高于传统算法.     

基于量子粒子群优化PI模型的主动队列网络拥塞控制

为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量QoS降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.