具有最小时间加权平方误差积分的主动队列管理算法ISTE-PI

针对现有基于控制论的主动队列管理(AQM)算法的不足,在不忽略TCP/AQM传递函数模型中时滞环节的条件下,将TCP短流和UDP流作为干扰信号引入AQM控制器的设计过程,并借助最小"时间加权平方误差积分(ISTE)"控制方法,设计了一个基于PI控制器的AQM算法ISTE-PI.与现有算法相比,ISTE-PI算法同时具备响应速度快、抗干扰能力强、能用于大时滞网络环境且鲁棒性好等特点.鉴于Internet网络流量由TCP长流、TCP短流和UDP流构成,且是大时滞网络,因此ISTE-PI算法能更好地适应Internet网络环境下的主动队列管理.     

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。     

基于模型有效性评价的主动队列管理算法

TCP/AQM系统是一多时滞回路耦合时变系统,源端传输控制协议(TCP)的拥塞控制机制也各不相同,因此其机理模型复杂.设计控制器所采用动态近似模型的参数变化范围很大,这对辨识算法提出了很高要求.本文先从模型误差分配方式这一新的角度对经典辨识算法进行了分析.然后运用新分析框架,结合TCP/AQM系统特征和控制要求,设计了一种基于模型有效性评价机制的辨识算法.该辨识算法能够对控制系数进行自适应调节,满足了主动队列管理(AQM)算法的设计需求.仿真结果表明,基于模型有效性评价机制的AQM算法,能有效应对时滞和不确定性带来的负面影响.与潜在标准化AQM算法相比,新算法在保持低排队时延和高效链路利用率方面取得了更好的平衡.     

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.     

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.     

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.     

稳定裕度与网络特征参数无关的AQM算法

针对现有基于控制论的主动队列管理(AQM)算法的不足,设计一种稳定裕度与网络特征参数(往返时延、通过瓶颈链路的TCP连接数、瓶颈链路的容量)无关的基于PI控制器的AQM算法GPM-PI。该算法响应速度快、计算开销小,能用于大时滞网络环境,抗干扰能力强(对TCP短流和UDP流有良好的控制能力),鲁棒性好,能更好地适应Internet环境下的主动队列管理。     

基于灰色预测可变裕度PID网络自适应算法

为了综合控制拥塞链路的队列长度,提高AQM系统对动态网络环境的自适应能力,提出了一种基于灰色预测和考虑可变裕度PID控制的自适应TCP网络主动队列管理。首先,建立相角和幅值裕度与网络参数相关的PID自适应主动队列(TCP/AQM)控制论模型,该模型可以根据网络参数的变化而动态改变控制参数,以提高AQM网络动态自适应能力,及系统的鲁棒性;其次,将灰色预测引入该模型,实现路由器队列长度的超前预测,补偿带有PID反馈模块的AQM算法给队列造成的时滞影响。与其他算法的仿真结果相比较,该设计算法能够使信息流在较短的时间内稳定在期望队列长度阈值附近。     

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.     

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。     

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.     

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Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 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、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

鲁棒的主动队列管理新算法

作为对终端系统上拥塞控制的一种补充，中间节点上的主动队列管理（AQM）策略在保证较高吞吐量的基础上有效地控制队列长度，从而实现了控制端到端的时延，保证QoS的目的，随机早期检测（RED）及其派生算法虽可以实现AQM的技术目标，但算法的设计要么是依赖于直觉的，要么将网络视为不变定常系统，使得最终形成的算法在稳定性和鲁棒性方面存在不少问题，在该文的研究中，作者将TCP的流量控制过程等效为二阶线性时变系统，采用滑膜变结构这种不敏感控制对象参数和负载扰动的控制器设计方法，设计出一种新的AQM算法，仿真试验表明它的稳态和瞬态性能都优于与它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。     

一种基于区分服务网络的主动式队列管理算法

现有区分服务网络的保证转发服务可提供稳定的带宽保证,但缺乏对速率变化下平均队列长度和延迟时间的稳定性的保证,并且没有提供简化主动队列管理（AQM）算法参数设置的有效方案。基于对RIO、A-RED算法的分析研究,提出一种自适应调整控制策略的RIO算法（A-RIO）。仿真结果表明,该算法在保持了RIO算法优点的同时,还可以提供稳定的平均队列长度和延迟时间,同时可以简化参数的设置,从而有效地提高了区分服务网络中保证转发服务的性能。     

基于Dahlin算法的主动队列管理控制机制研究

主动队列管理 (AQM)是网络中间节点通过一定的分组丢弃策略来达到较低排队时延和较高吞吐量的一种机制。已有多种AQM算法被提出，但绝大多数没有考虑较大的RTT(往返时间)对算法性能的影响。该文针对大RTT的网络环境，实现了一种基于控制理论中Dahlin算法的AQM机制并分析了系统的稳定性和参数选择的准则。仿真实验结果表明，该算法在RTT较大的情况下稳定性、响应速度和鲁棒性都优于随机早期检测(RED)算法和比例－积分(PI)算法。     

参数自适应的随机早期检测算法

主动队列管理(AQM)算法是最近网络拥塞控制研究的重点,随机早期检测(RED)算法作为 AQM 算法的代表受到广泛的关注.分析了随机早期检测算法的原理和局限性,针对 RED 算法参数配置困难的问题,提出了一种参数自适应的随机早期检测算法.该算法能够根据网络负荷的变化动态的调节 RED 算法的参数,从而能够在突发业务下对拥塞做出及时有效的反应.通过仿真表明该算法能够有效地降低丢包率,降低数据包排队延时,提高了 RED 算法的网络适应性.