无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

基于强化学习的网络拥塞控制算法

该文结合强化学习方法提出一种QLCC算法,此算法是将网络拥塞过程进行简化之后描述为马尔科夫决策过程,在Q-learning算法应用的基础上创新设计的新型网络拥塞控制算法。研究过程中首先介绍强化学习方法,并对网络拥塞过程中马尔科夫决策过程的构建条件及假设进行探讨,之后从框架结构、参数结构及定义、参数离散划分和更新步骤几个方面介绍QLCC算法,并采取仿真实验方法对该种新算法的网络吞吐量、公平性、随机丢包环境下的吞吐量分别进行检测,通过与其他3种传统网络拥塞控制算法进行对比分析,证实QLCC算法具有吞吐量较佳、公平性最高、抗丢包性能最优的性能,说明其是一种具有较高应用优势的智能化网络拥塞控制算法。

基于蚁群算法的无线网络拥塞控制与实验研究

为了保证无线网络运行通畅,稳定运行,并减少能耗,提出了一种基于蚁群算法的无线网络拥塞控制方法。根据无线网络节点内各流调度问题,按照每个服务流程的等待时间函数确定优先权。根据各个节点信息重建观测矩阵,获得基本矩阵稀疏系数矢量,舍弃多余数据并合成更高效的数据以进行传输。采用蚁群算法计算链路的剩余能量,判断节点数据传输情况,完成拥堵控制。通过实验验证,证明所提算法能够较好的避免网络拥塞,减少能源消耗和丢包率,保证网络通信稳定。

基于机器学习的网络拥塞控制算法研究

随着网络规模的扩大及其复杂化,网络拥塞问题加剧,传统的网络拥塞控制算法应对乏力。基于此,本文对基于机器学习的网络拥塞控制策略进行了探索,利用预测与优化能力精准识别和调整拥塞状态,旨在提升算法性能和用户体验。文章在综述了基于机器学习的网络拥塞控制算法研究现状后,提出了新的算法优化策略,阐述了核心思想、模型构建的思路,最后还对未来研究方向进行了展望,旨在为网络拥塞控制方向的研究者提供参考。

基于AODV协议的电力通信网络拥塞安全控制研究

电力通信网络传输阶段的路由缺乏对链路节点状态的分析,导致传输数据的投递率较低,因此提出基于无线自组网按需平面距离矢量路由(Ad hoc On-Demand Distance Vector Routing,AODV)协议的电力通信网络拥塞安全控制研究。通过构建AODV协议节点筛选机制,从位置维度初次筛选出满足通信传输范围的节点,从速度维度二次筛选出性能满足传输需求的节点,从方向维度确定与电力通信传输方向一致的节点集合。以负载均衡为目标函数,建立AODV协议的响应链路。经过实际测试,与对照组相比,发包速率并未对文章设计方法的投递率造成显著影响,具体的投递率始终在95%以上,在稳定性和有效性方面具有显著优势。

网络仿真及其在网络拥塞控制研究中的应用

网络仿真是一种专门对实际网络进行模拟与分析的工具,是网络研究者研究新理论新算法经济而有效的手段。本文研究网络仿真软件NS2的功能扩展及网络仿真实现过程,并将其应用于网络拥塞控制的研究中,研究了模糊自适应PID网络拥塞控制算法,取得了较好的效果。

集中式网络拥塞控制的高效RPL路由协议

针对低功耗有损网络中采用博弈论的网络拥塞控制(game theory based network congestion control protocol,GTNCC)路由算法在路由构建过程中仅仅考虑无线链路质量不能使网络拓扑最优,以及在拥塞控制过程中由拥塞节点的子节点判断是否切换父节点不能快速高效地缓解网络拥塞等问题,提出一种基于多维度量结合的集中式网络拥塞控制(centralized network congestion control based on multi-metrics combination,CNCCMC)路由协议。首先,为了降低网络拥塞发生的概率,CNCCMC路由协议综合考虑了节点剩余能量、缓存占用率、无线链路质量和中继节点当前子节点个数等多维度量完成路由构建;其次,当检测到网络拥塞时,CNCCMC路由协议依据网络拥塞节点进行流量分析和判断的结果采取集中式的方式控制其子节点的切换;最后,在网络拥塞缓解过程中,提出一种"乒乓效应"避免机制。理论分析和仿真结果表明,与GTNCC路由算法相比,CNCCMC路由协议在降低网络拥塞发生的概率、延长网络平均生存寿命和提高网络吞吐量等方面的性能得到了有效提升。

基于TCP Vegas的网络拥塞控制改进算法

由于TCP Vegas在与TCP Reno算法共存的网络环境中不能公平地竞争到带宽,TCP Vegas-A拥塞控制算法有效地改进了TCP Vegas算法在带宽竞争力弱方面的缺陷。对TCP Vegas-A算法进行了仿真研究并提出一种拥塞控制改进算法TCP NewVegas。基于NS2的仿真实验证明TCP New Vegas算法提高了与TCP Reno共存时在网络中的带宽竞争能力。

无标度网络拥塞控制方法研究

当前的研究表明,许多实际网络如通信网、Internet的路由层、AS层以及城市交通网、航空网等都具有无标度特性,因此无标度网络的拥塞控制是一个值得研究的有实际意义的问题.本文建立了一个典型的无标度网络模型,通过仿真交通流量在网络中的行为特性,结合网络物理特性及路由策略来研究网络拥塞及其控制方法.研究表明网络拓扑的改变对网络性能有较大的影响;动态路由策略较静态路由策略更能避免网络拥塞;在进行带宽分配、节点容量设置及节点处理速度配置时必须考虑节点度才能更好地提高网络性能,避免网络拥塞.本文的研究成果可为网络物理配置及路由机制设计提供基础.

基于流量调度的SDN数据中心网络拥塞控制算法

针对采用软件定义网络(SDN)的数据中心网络拥塞的问题,提出一种基于流量调度的数据中心网络拥塞控制算法。当链路发生拥塞时,该算法首先判别拥塞链路中链路上关键度最大的大流,然后对大流进行重路由计算,选择调度开销最小的流,并进行调度代价计算,最后对调度代价最小的流进行调度。实验结果表明,所提算法能够有效缓解网络拥塞,降低丢包率,提高链路利用率,使得网络性能更为稳定。

节点状态感知的延迟容忍网络拥塞控制策略

为了有效提高延迟容忍网络中的数据传输效率,节点普遍采用多副本方式转发数据,然而此种方式将造成网络中冗余数据增多,导致网络拥塞.本文提出了一种带有节点状态感知的拥塞控制策略,根据运动过程中所获知的相关历史信息,节点以直接获取及间接推荐的方式准确地感知网络中各个节点的拥塞状态,进而以分布式的方式动态地为数据选择中继节点,达到更加合理地利用有限的网络资源的目的.结果表明所提出的拥塞控制能有效地改善数据成功投递概率和网络负载率.

基于粒子群优化的网络拥塞控制新算法

PI控制器常用于主动队列管理中,但参数整定上的试凑法具有盲目性,算法的瞬态性能也不够理想.本文推导了基于流体流理论的网络简化模型,基于该模型将集群智能中的改进粒子群优化算法(PSO)应用于PID控制器参数优化,定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于RED、PI算法,超调量均小于5%,调节时间分别小于5秒、4秒,稳态误差分别小于两个数据包和3个数据包.

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(FGPC-RED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.

UDP业务引起的网络拥塞问题研究

用UDP作为传输层协议的应用日益增多，其中包括用IP传输视频、音频的各种应用。UDP业务的增加会给网络带来新的拥塞问题。提出了一种基于随机早期检测技术(RED)的方案，对最终解决UDP业务导致的网络拥塞问题具有一定的参考价值。

基于优化控制理论的网络拥塞控制方法

随着Internet的迅速发展,有效的拥塞控制机制是保证Internet稳定运行的最关键因素之一。计算机网络是一个复杂的大系统。该文从控制理论的角度,分析了计算机网络拥塞的机理,研究了运用现代控制理论方法解决计算机网络系统拥塞控制问题中的主要方法,指出了目前研究工作中存在的一些问题以及进一步研究的方向。

基于IPv6数据包标记的网络拥塞控制算法

根据目前拥塞控制算法中存在的不足,提出了一种基于IPv6的端到端拥塞控制和队列管理相结合的拥塞控制策略。新算法对队列中的数据包进行分析,统计节点所处理的数据流的数目。当节点所处理的流数目增加,节点通过对数据包加上标记,通知终端调节发送速率,及时调整网络状态的变化。最后,在NS环境下对算法的性能作了仿真分析,取得了较为令人满意的效果。

网络拥塞的智能化适应控制方法

在对拥塞及网络拥塞控制分析的基础上,将人工智能引入到拥塞控制中,提出了网络拥塞的智能化适应控制方法。给出了网络流量速度指标定义,及实现网络拥塞的智能化适应控制结构模式,对网络拥塞的智能化适应控制策略及其实现进行了研究和分析,为实现网络拥塞控制提供了一种新的途径。

NS2平台的TCP/IP网络拥塞控制算法仿真

网络拥塞控制是网络服务质量(Qo S)机制正常运作的基础,而TCP/IP网络的拥塞控制机制是保证Internet的稳定性和鲁棒性的关键。利用NS2仿真平台,分别在不同网络环境下实现5种经典网路拥塞控制算法:TCP Tahoe、TCP Vegas、TCP Newreno、TCP Reno和TCP Sack,仿真结果表明在无丢包环境和高时延环境下各算法所受影响基本相同,而在低带宽和一般拥塞环境中Vegas算法的性能要优于其它算法,该结果为不同网络环境拥塞控制算法的选择和应用提供有效依据。同时通过软件仿真与实际测试,加深了学生对拥塞控制算法的理解。

基于路由器的网络拥塞控制策略研究

因特网的迅速发展使拥塞控制问题日益得到人们的重视 ,传输控制协议 (TCP)在拥塞控制中一直发挥着至关重要的作用 ,但路由器是网络中的核心部件 ,是网络状态更直接的感受者。为实现网络的更有效的控制 ,路由器端处也应采取相应的措施。本文讨论了路由器端的几种拥塞控制方案 ,并分析比较了各种方案的优缺点。

基于IREA的模糊神经网络及其在网络拥塞预测中的应用(英文)

将粗糙集从原始数据中提取数据的能力和模糊神经网络的推理能力有效地集成起来。使用增量式规则提取算法(IREA)从原始数据中抽取构建模糊神经网络(FNN)所需的规则集。与传统的模糊神经网络相比较,使用IREA算法构建的FNN具有较短的规则长度和更少的规则条数。网络拥塞仿真试验验证了本文所述方法的优越性。