一种网络拥塞的反步控制算法

针对Internet网络拥塞控制中的TCP动态非线性流体模型,提出用于网络主动队列管理（AQM）的拥塞控制算法,设计用于估计未知状态的状态观测器,采用反步法技术和Lyapunov直接方法,通过输出反馈实现闭环系统的渐近稳定。仿真实验结果表明,基于反步法的AQM控制算法调整时间小、丢包率低、链路利用率高。     

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。     

模糊理论在网络AQM中的应用研究

拥塞控制中作用于网络中间节点的主动队列管理策略能有效解决网络拥塞问题。本文引入了模糊理论对AQM进行研究和分析,基于模糊系统设计方法,给出了一个简单的应用实例以说明模糊理论在AQM中的优势,介绍了模糊理论在AQM中的几种典型应用。     

基于模糊滑模控制的主动队列管理算法的研究

针对网络拥寒问题,提出一种基于模糊滑模控制的主动队列管理算法,能得到快速反应能力和良好的鲁棒性。模糊滑模控制算法用队列长度和微分作为主动队列的输入,通过动态测量包丢失率来调整模糊规则。与一些典型的主动队列算法相比,模糊滑模控制算法用较少的队列延迟交换吞吐量,而且能达到一个更高的吞吐量。并且,本算法可以在最少的模糊规则下被执行。     

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。     

一种基于神经元强化学习的网络拥塞控制方法

提出了一种基于神经元强化学习(Neuron-based Reinforcement Learning,NRL)的自适应AQM算法,采用链路速率和队列长度作为拥塞指示,可根据网络环境的变化在线自动调整神经元参数,从而保持良好的队列长度稳定性和对网络负载波动的鲁棒性.该算法结构简单、易于实现,且不依赖对象的模型.仿真结果表明,该算法尤其适合于解决复杂不确定性网络的拥塞控制问题,并具有更好的队列稳定性和鲁棒性.     

互联网拥塞控制算法研究

随着Internet的迅速发展,网络规模、用户数量及业务量呈现爆炸式增长,由此引发的网络拥塞已经成为制约网络发展和应用的瓶颈问题。有效解决拥塞对于提高网络性能具有重要意义,如何更好的预防和控制拥塞成为近年来网络研究领域的重要问题。该文介绍了现有的拥塞控制算法,并分析了进一步的研究方向。     

不确定TCP网络中的滑模拥塞控制策略

针对TCP（Transmission Control Protocol,传输控制协议）网络中的拥塞控制问题,提出了一种滑模拥塞控制策略。基于TCP网络拥塞控制模型,利用线性矩阵不等式设计了一个渐近稳定的滑模面,该滑模面能够补偿TCP网络中的不确定性因素的影响。另外,为了减小路由器中队列长度的振荡,提出了一种改进的到达条件。多种情况下的仿真实验表明,所提出的控制策略与普通的滑模拥塞控制策略相比具有更好的稳定性和鲁棒性。     

基于动态阈值的拥塞控制算法研究

针对主动队列管理算法BLUE缺乏早期拥塞检测机制及其在参数设置方面存在不足, 提出了一种基于动态阈值的拥塞控制算法。算法从系统资源分配角度出发, 对缓冲资源进行合理有效分配, 根据缓冲空间的利用情况预测网络拥塞并动态调整控制阈值, 及时准确地调整丢包率。NS仿真实验表明, 该算法能有效减少BLUE算法存在的队列溢出或空闲, 能有效保持队列长度稳定, 提高链路利用率。     

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     

改进的AQM在拥塞控制中的应用策略

随着计算机网络的持续快速发展,各种网络需求不断涌现,拥塞控制成为保证网络的稳定性和鲁棒性的重要因素,拥塞控制的发展要求网络本身也要参与其中。传统的端到端机制不能解决所有的拥塞问题,作为主动管理队列算法的REM原算法由于对RTT的不精确估计导致不能准确反应网络中拥塞状态。根据控制论中将链路价格化的方法,对REM算法的进行了改进,提出了新的拥塞控制机制。仿真实验表明,该方法能有效减少包的丢失,提高系统性能。     

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。     

一种基于内模PID控制的主动队列管理算法

针对传统主动队列管理中PID控制存在的参数不易整定等缺点,通过引入内模控制思想,提出了一种基于内模控制的PID控制器（IMC－PID）,其突出特点是控制器仅有一个参数需要整定。将IMC－PID应用于网络拥塞控制中,得到了一种新的主动队列管理（AQM）算法——IMC－PID算法。仿真实验表明,IMC－PID算法有较强的鲁棒适应性及较快的队长调节速率。     

基于Fuzzy丢包区分的TCP自适应拥塞控制算法

针对在有线/无线的异构网络中,传统有线环境下的传输控制协议(TCP)把所有丢包简单地归因于网络拥塞,严重影响了混合网络环境下的TCP传输性能的问题,提出了一种新的基于模糊理论的自适应控制算法。该算法选取了新的网络参数,运用Fuzzy方法对网络状态进行综合评价,并基于反馈理论的方法建立了新的自适应控制模型,即对评价结果集进行加权求和,得出网络性能指数,将其作为输入因子进入下一次计算过程,并调整各参数权重。仿真表明,该算法能够较好反映混合网络的真实拥塞状况,具有较好的网络适应性,比当前主要TCP算法具有更好的拥塞控制效果。该算法对在多参数,使用模糊方法背景下,混合网络拥塞及其自适应控制研究进行了新的探索。     

基于滑模变结构的WSNs跨层拥塞控制算法

针对具有传输控制协议（TCP）传输机制的无线传感器网络（WSNs）节点拥塞问题,在传输层的基础上结合物理层的信噪比（SNR）参数来估计信道状况,不断调整传输模型,实现跨层控制。此跨层方法改变了以往的单层拥塞控制方法,充分利用了WSNs层与层的协作关系,并用基于自适应趋近律的离散滑模控制结构模型作为控制器,过程简单且易于实现。仿真结果表明：该跨层拥塞控制方法具有响应速度快、延迟小、鲁棒性好等特点。     

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。     

MIMO非线性不确定系统二阶滑模控制

提出了一种基于有限状态机切换策略的多输入多输出二阶滑模控制算法。算法保证了传统滑模控制对参数变化和扰动不灵敏的特点,削弱了滑模控制的“抖动”现象。在上界未知的测量噪声和参数变化的情况下,算法通过滑模量及其微分的符号构成控制律,实现了系统的镇定。仿真结果表明算法在噪声环境下能保证系统的稳定性,对参数不确定具有较强的鲁棒性。算法结构简单,便于实现。     

不确定输入延时网络系统的鲁棒拥塞控制

基于滑模控制（SMC）设计了一种主动队列管理（AQM）算法,该算法可保证具有有界的不确定输入延时网络系统渐进稳定.引入一种状态变换来消除延时的影响,通过Lyapunov稳定性分析,给出了保证系统渐进稳定的最大允许的延时边界.仿真结果表明,该方法可以获得良好的暂态和稳态响应,在网络条件变化的情况下,该算法优于传统的PI控制和滑模控制.     

拥塞窗口自适应的TCP拥塞避免算法

针对TCP Reno拥塞避免阶段拥塞窗口增长不够平滑的缺陷,在研究分析TCP Reno拥塞控制算法的基础上,提出一种基于拥塞窗口自适应调整增长因子的拥塞避免新算法——在拥塞避免阶段采用压缩特性的对数增长因子函数。在网络情况良好阶段,该因子增长速率大,以充分利用网络资源;而在逼近网络拥塞阶段,该因子以较小的速率增长,以避免过激的拥塞丢包。数学分析说明了新算法的可行性,并通过NS仿真对其吞吐量、公平性、友好性进行评估。仿真结果表明该改进的TCP拥塞避免算法的有效性。