PDAVQ:一种基于PD控制的自适应虚拟队列管理算法

提出了一种新的基于比例差分控制的自适应虚拟队列管理(AVQ)算法—PDAVQ,用于对网络链路中产生的拥塞进行控制,以达到有效利用网络带宽,使整个网络系统达到稳定,缓解网络拥塞的目的。而且本文对所提算法运用控制理论对系统的稳定性进行了证明,给出了满足系统稳定性条件的参数选择方法和 PDAVQ 算法的具体描述。最后,通过 ns2 仿真实验与现有的 AVQ 算法比较,结果表明,所提 PDAVQ 算法具有较高的吞吐率、较低的链路延迟和数据丢失率,并能更快的使整个网络系统达到稳定,具有较好的网络性能。

QPID-AVQ：一种基于队列的PID控制的AVQ算法

本文针对AVQ算法存在的不足,在PD-AVQ算法基础上,为进一步提高系统的稳定性,引入积分选项,构成PID-AVQ算法,运用控制理论推导出了满足系统稳定条件的取值范围。利用PID-AVQ算法更新虚拟带宽,综合考虑平均队列长度和包到达速率,提出了一种新的基于队列的PID控制自适应虚拟队列管理算法QPID-AVQ,可根据网络实际情况调节参数,保持队列长度稳定。仿真结果表明,当控制参数在稳定范围内取值时,QPID-AVQ算法能较好地适应网络状态变化,使队列长度始终维持在期望值附近,而不受用户数量的影响,具有较好的稳定性、抗干扰能力和较高的带宽利用率,综合性能优于PD-AVQ和RED算法。

自适应虚拟队列算法AVQ的公平性研究

从理论上对自适应虚拟队列(AVQ)算法的拥塞控制机制和TCP的吞吐量模型进行了分析,在不同网络配置条件下使用NS2网络仿真器对其进行了仿真,考察公平性和网络中长期TCP流的数量、路由器缓冲区大小、AVQ算法中的平滑因子α、期望链路利用率γ等之间的关系.结果表明,AVQ算法在长期TCP流数量较多和各种缓冲区容量条件下均表现出良好且稳定的公平性,α对公平性影响不大,但γ的取值对公平性有很大影响,当该参数取值较大时,算法的公平性明显下降.

NoC中负载均衡的AVOQ路由器设计

针对片上网络中使用虚拟输出队列(VOQ)机制的路由器在网络拥塞时存在的头阻塞问题,提出负载均衡的AVOQ路由器架构。首先,输入缓冲区仍使用VOQ机制来处理头阻塞问题。其次,在路由计算模块自适应地选择输出端口,确保数据从较不拥塞的端口输出;在单个虚通道内自适应地读取数据包,确保下游不拥塞的流量能够在网络里流通。实验结果表明,相较于虚通道路由器和VOQ路由器,AVOQ路由器平均延时最多减少83.2%和57.1%,吞吐率最多增加72.7%和33.3%,功耗和面积开销可接受。该方案通过两个层级的自适应均衡全网的流量分布,缓解拥塞,进而降低头阻塞出现的可能性,并在头阻塞出现时消除其影响,提升网络性能。

主动队列管理中增强型自适应虚拟队列管理算法之设计及稳定性分析

提出了一种基于速率的增强自适应虚拟队列管理算法(EAVQ).在该算法中引入主从拥塞尺度和期望链路利用比的概念;以输入速率为主要拥塞尺度,以便保留原有自适应虚拟队列管理算法(AVQ)中响应速度快、队列时延短、链路利用率高等优点.同时,以期望链路利用比为辅助拥塞准则,设计了一种基于速率的期望链路利用比自适应机制,解决了AVQ中参数设定困难、队列抗干扰能力弱,及存在链路损失等缺点;在改善系统动态性能的同时保证了链路容量的充分利用.在线性化基础上给出了一般网络结构下TCP/EAVQ系统的局部稳定条件.通过仿真验证了EAVQ的有效性.

基于拥塞控制的自适应虚拟队列算法的研究

针对网络拥塞算法中存在的振荡性和利用率不高的问题,利用虚拟队列思想,建立自适应算法.通过模拟仿真,与其它几种主动队列管理方案进行了比较,结果表明其性能优于其它算法.

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。

IP网络中主动队列管理算法研究

影响IP网络服务质量的因素很多,但最基本、最核心的是拥塞控制机制,主动队列管理是端到端拥塞控制研究中的热点.本文分析比较了这一领域中有代表性的拥塞控制算法,指出了其中存在的问题,并通过仿真实验对几种算法的性能进行了比较分析,最后给出了IP网络中主动队列管理的研究方向.

动态网络增强自适应虚拟队列管理新算法

针对动态网络主动队列管理算法中控制参数设置难题,提出了一种增强自适应虚拟队列管理新算法(EPAVQ)。结合TCP流体流模型运用经典控制理论分析自适应虚拟队列管理(AVQ)算法稳定性基础上,利用极点配置技术给出了AVQ算法控制参数的调整规则。同时,针对网络参数时变问题,通过对网络参数的在线估计,利用网络参数与控制器参数的确定关系实时调节控制参数,使得控制器能够适应网络参数的变化。通过ns-2仿真实验与现有的AVQ算法比较,EPAVQ算法具有更快的动态响应,更好的网络性能。