基于神经网络的ATM网络ABR业务流量控制

提出了异步转移模式ATM网络可用位速率ABR业务一种基于神经网络的流量控制方法。采用基于径向基神经网络的流量控制算法可以实现在线学习,自适应根据流量大小的变化和网络的拥塞状况调整神经网络的模型参数。仿真结果表明与传统的静态反馈方法相比,文中所用的算法可有效地提高信道的利用率和降低信元丢失率。     

ATM网络的ABR业务流量控制

论述了ＡＴＭ网络ＡＢＲ业务流量控制的当前发展情况,介绍了基于“信用”制与基于速率调节两种主要的ＡＢＲ业务流量控制原理及速率调节方案当前存在的主要问题。特别对网络中由于线路的传播时延造成的流量控制上的滞后效应进行了深入研究,采用离散化的ＡＴＭ网传输模型,提出了一种基于速率自适应预测的ＡＢＲ业务流量控制方法,通过仿真,验证了其有效性。     

基于2自由度Smith预估器的ABR业务拥塞检测与控制

针对在高速网络中,传播时延对二进制ABR(Available Bit Rate)业务网络流量控制的不利影响,提出了一个新颖的2自由度控制结构作为拥塞的判定机制.这种控制机制不仅能克服原标准明晰前向拥塞指示(EFCI)算法中因存在带磁滞环的非线性环节引起的大幅振荡,而且在较大时延情况下仍能保持很好的给定值响应和抗干扰性能,同时可简单直接地对流控系统进行设计和调节.仿真结果验证了该控制方案的优越性.     

基于强化学习方法的ATM网络ABR流量控制

针对异步传输模式(ATM)网络的拥塞问题,将强化学习方法应用于拥塞控制器的设计之中.该方法不依赖于网络的数学模型和先验知识,而是通过试错和与环境的不断交互获得知识,从而改进行为策略,具有自学习的能力.控制器通过调节可用比特速率(ABR)业务发送数据的速率,使网络中可能发生拥塞的节点的缓冲器队列长度逼近给定值,从而避免拥塞的发生,保证网络的稳定运行.通过一系列仿真实验验证了该方法的有效性.     

一种处理双向RM信元的ABR业务流量控制机制

提出了一种有关ＡＴＭ网络中ＡＢＲ业务的流量控制机制－ＥＲ算法，通过对双向ＲＭ信元处理，得到了在带宽分配的公平性，链路利用率及交换节点队列占用等方面的良好性能。     

ATM网中ABR业务流量控制研究

研究ATM网中适宜ABR业务的流量控制方案的特点和问题，讨论ABR业务的参数，对RM信元进行分析并提出最近速率影响的改进方法，对基于速率和基于窗口方案的设计和应用给出分析和比较，讨论用于ABR业务类型的带速率反馈控制传输技术。     

ATM广域网预测式流量控制方案

针对ＡＴＭ广域网的长时延特点,提出了一种预测式流量控制方案,通过预测各交换节点非受控业务流所占用的带宽,对各链路可获得带宽进行预测式分配;预测式方案结合本文作者提出的集中式流量控制机制,保证了带宽分配的公平性和链路利用的高效性;本文还在ＶＢＲ＋ＡＢＲ业务综合传输的情形下,进行了预测式流量控制方案的计算机仿真,仿真结果表明,本文的预测式算法具有带宽分配的公平性和链路利用的高效性,交换节点处缓冲队列很     

基于MACS系统的流量滞后控制

本设计基于和利时的MACS系统,通过设备组态、数据库组态、算法组态和画面组态等环节完成并完善了流量滞后控制系统的设计。采用史密斯预估补偿控制方案,与单回路PID控制相比,取得了明显的控制效果。     

基于改进粒子群算法整定的PID网络流量控制研究

结合经典控制理论和优化控制理论设计了基于改进粒子群算法的PID（Proportion Integral Derivative）控制器,并与经典的PID控制器进行了比较．仿真结果验证,优化后的PID控制器能较好地控制ATM（Asynchronous Transfer Mode）网络流量,减少拥塞,提高网络资源利用率．     

ATM网中基于速率的流量管理建议分析

ＡＴＭ网中基于速率的流量管理建议分析贡越易训程时昕（东南大学移动通信国家重点实验室，南京２１００１８）如果在ＡＴＭ网中仍使用低速分组网中常用的基于信用的拥塞控制方法来支持可用比特率（ＡＢＲ）业务，会使大型交换节点过于复杂，因此ＡＴＭ论坛选用了基于速...     

点到多点ABR业务的拥塞控制机制

在异步传递模式（ＡＴＭ）网络中，可用比特速率（ＡＢＲ）业务类型主要面向数据通信服务，ＡＢＲ采用基于速率的拥塞控制机制．在点到多点的通信环境下，ＡＢＲ拥塞控制要解决的一个关键问题是如何将信元接收端的反馈信息进行合并，使得信元发送端以所有叶节点能够支持的速率发送信元．讨论了点到多点环境下ＡＢＲ拥塞控制所面临的主要问题，提出了对合并算法的性能评价准则．分析了现有的几个算法的优缺点，并在此基础上提出了一个改进的算法，从实现的复杂性、响应速度、可扩展性及噪音问题等几方面对这些算法进行了比较．     

基于Dahlin控制算法的网络流量控制

在ATM网络的ABR通信中，基于速率反馈的流量控制是防止拥塞和保证高吞吐量的有效手段之一，然而网络的传播时延对其具有很大的不利影响．采用Dahlin控制算法设计流量控制器，克服了传播时延给控制的快速性和稳定性所带来的不利影响．理论分析表明，该算法的动态性能明显优于PID控制，能保证网络缓冲器的不溢出及带宽的公平分配和充分利用，从而有效地防止了拥塞的发生，使网络处于良好的运行状态．仿真结果验证了这一结论。     

改进型粒子群优化算法的BP神经网络全息图压缩

针对拥有庞大数据量的全息图再现像质量不理想的问题, 提出一种针对粒子群优化算法(PSO: Particle Swarm Optimization)中学习因子和惯性权值进行动态调整的方法, 将改进后的算法与反向传播(BP: Back Propagation)神经网络相融合形成改进型粒子群优化BP 神经网络(MPSO-BP: Modified Particle Swarm Optimizing
BP Neural Network)并用于全息图压缩。通过与BP 神经网络和粒子群优化BP 神经网络(PSO-BP: Particle Swarm Optimizing BP Neural Network)压缩算法进行对比, 证明了该网络压缩算法在保持较好的压缩效率时得到的全息图再现像质量更好。     

基于粒子群算法的航天器控制参数优化设计

针对大角度姿态快速机动的航天器姿态控制器进行参数优化设计.采用四元数方法描述航天器的姿态运动,针对一类基于Lyapunov方法设计的姿态控制器,设计了描述控制器全局姿态调整能力的指标,量化了控制器参数对控制性能的影响,采用粒子群算法对控制器参数选择进行优化,避免了传统设计中基于经验选择设计参数,通过引入粒子间信息共享的机制求解优化问题.仿真结果表明:粒子群算法采用简洁的位置和速度更新实现系统寻优,在有输出力矩约束的条件下,进入最优解67 s所需的进化代数为31,可较快收敛到系统全局最优解.     

基于混合人工鱼群优化SVR的交通流量预测

实时准确的交通流量预测是智能交通系统(ITS)中的重要内容．支持向量回归(SVR)能够用于解决交通流量预测问题,针对SVR中存在的参数选择困难,提出一种混合人工鱼群(AFS)算法．该算法利用粒子群优化(PSO)算法公式改进AFS算法,减小AFS算法中步长因子的影响,并引入混沌初始化AFS机制,选取最优SVR参数,建立了基于混沌PSO-AFS优化SVR的交通流量预测模型．仿真结果表明,该交通流量预测模型具有更优的预测性能,证明了其可行性和有效性．     

面向交通控制的实时在线仿真参数标定

提出了在信号交叉口建立面向交通控制的实时在线微观仿真及仿真模型标定的方法.采用车队离散图示作为拟合指标,通过不断调整待标定参数使仿真与实地中车队离散的差异值减少至合理的误差范围.利用粒子群算法,以上海市嘉定区的曹安路嘉松北路交叉口为研究对象进行实地验证,结果表明,该方法仅通过11次迭代便求解出误差在2%以内的参数解,证明该方法可行及有效并为信号交叉口交通控制模型的研发或优劣的检验提供了基础条件.     

基于PSO的板形板厚小波神经网络解耦PID控制

针对板形控制和板厚控制是相互耦合的综合系统,提出了一种新的解耦PID控制算法·首先用小波神经网络构造α阶时延逆系统,对综合系统进行输入输出解耦;然后对解耦后的独立的单变量系统采用PID控制·这种解耦方法无论是从理论分析还是仿真验证,均证明是可以实现完全解耦的·考虑到被控对象是一个带有时滞的非线性系统,提出采用PSO优化算法对PID参数进行自适应调整·仿真结果表明所用方法简单有效,并具有良好的跟随性能和抗干扰能力;其控制效果优于传统的解耦PID控制·