基于多指标感知的命名数据网络自适应拥塞控制算法

为解决命名数据网络拥塞控制算法普遍存在的瓶颈链路缓存队列积压问题,提出一种基于多指标感知的命名数据网络自适应拥塞控制(MACC)算法。在网内节点,根据实时监测的接收端数据接收速率、数据包排队时延、链路带宽等多个指标估计链路负载程度,并通告终端节点。在终端节点,根据Data包携带的链路负载信息,自适应地调整发送窗口,以实现高吞吐、低时延目标。基于ndnSIM的仿真结果表明,该算法能有效实现终端高吞吐量、瓶颈链路低队列,并在实现流间公平性方面具有显著优势。

FPTC:一种信息中心物联网缓存策略

信息中心网络(information-centricnetworking,ICN)作为一种新型未来互联网体系结构应运而生,并广泛应用于物联网领域,其中,缓存技术作为ICN的显著特征,对信息中心物联网的内容传输性能具有重要影响.由于信息中心物联网具有数据频繁更新、用户对数据新鲜度有严格要求等特性,致使传统信息中心网络缓存技术面临挑战.提出一种基于内容流行度和网络拓扑的分布式缓存策略,同时考虑内容新鲜度,各缓存节点通过优先缓存流行度较高且较靠近用户的内容,以最大化缓存效率.为适应物联网内容的频繁更新,提出一种基于灰色预测的内容缓存收益预测方法,便于快速获取新内容的缓存收益值.同时,该策略具有较低的时间和空间开销.仿真实验结果表明:所提方案相比于传统缓存策略,能有效提高缓存效率和命中率,并降低访问延迟,改善用户体验.