主动队列管理中的PID控制器

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。C.Hollot等人(2001)用经典控制理论中频域校正的方法设计了用于AQM的PI控制器,但参数整定上的试凑方法不免代有盲目性;算法的瞬态性能指标也不够理想。为此,该文引入了微分环节来增强系统的响应能力,同时给出了基于稳定裕度的参数整定方法,使PID控制器的稳定性有了绝对保障。仿真试验表明PID算法的调节时间远远短于PI控制器,从而为在负载瞬息万变的网络环境中实现控制分组排队等待时间的目标提供了有力的技术保障。

一种参数自适应的主动队列管理算法—自适应BLUE

BLUE算法是一种典型的主动队列管理(Active Queue Management,AQM)算法,研究表明BLUE算法优于RED算法。BLUE算法使用丢包事件和链路空闲事件控制网络拥塞。但由于BLUE算法在参数设置方面存在不足,尤其是当TCP连接数突然剧烈变动时,容易导致队列溢出或空闲的频繁发生。该文引进参数自适应机制,提出了自适应BLUE算法,并借鉴了RED算法的早期拥塞检测机制。NS仿真实验表明该算法能有效保持队列长度的稳定,减少队列溢出或空闲现象的发生,在提高链路利用率的同时降低丢包率。

一种基于模糊逻辑的主动队列管理算法

主动队列管理 (ActiveQueueManagement,AQM)技术作为Internet拥塞控制的一种有效方法 ,对于提高In ternet的服务质量具有十分重要的作用 .本文根据TCP拥塞控制算法基于数据包丢失的窗口变化机制 ,设计了一种基于模糊逻辑的主动队列管理算法 .该算法依据路由器中队列长度的变化情况 ,根据一定的模糊自校正原则来调整数据包的丢弃概率 ,从而使路由器中的队列长度稳定在参考值附近 .仿真结果表明该算法不但十分有效 ,而且对不同的网络状况具有很好的适应能力 .

自适应PI主动队列管理算法

主动队列管理是一个非常活跃的研究领域,相对于丢尾算法,AQM(active queue management)能够提供更短的平均队列延迟和更高的带宽利用率.虽然PI(proportional integral)主动队列管理算法的性能优于RED(random early detection)算法,但是PI算法的收敛速度比较慢.以PI算法为基础提出了一种自适应PI算法API(adaptive proportional integral).API通过实时测量链路的报文丢失率,获得当前的负载信息,然后动态设置PI算法中的有关参数.通过ns-2模拟表明,相对于PI及其改进算法PIP(proportional integral based seriescompensation and position feedback compensation),API具有更快的收敛速度和更小的队列抖动.

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 Qo S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 ,要么将网络视为时不变定常系统 ,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 ,采用滑模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 .

基于D稳定域和ITAE准则的主动队列管理算法

主动队列管理(active queue management,简称AQM)是网络拥塞控制的研究热点之一,其中的关键问题是如何设计反馈控制策略.提出一种新的基于D稳定域和时间乘以误差绝对值乘积积分(integral of time-weighted absolute error,简称ITAE)性能准则的比例-积分-微分(proportional-integral-differential,简称PID)优化设计方法(简称DITAE-PID),并用于AQM控制器的设计,控制闭环系统的理想动态性能.首先在复平面上设定一组理想的D稳定域,然后以ITAE为目标函数,通过数值优化算法求出控制器的参数,使得闭环系统的所有特征根都在D稳定域内,以降低排队延时,提高有效吞吐量.对比仿真实验结果表明,该算法能够预先探测和控制拥塞,有较好的鲁棒性,链路利用率更高,丢包率更小,平均队列长度更趋于期望值,同时,趋于期望队列长度的时间更短,其综合性能明显优于典型的随机早期探测(random early detection,简称RED)和比例-积分(proportional-integral,简称PI)算法.

主动队列管理RED算法改进与实验仿真研究

分析了RED及其改进算法的原理和局限性,提出了一种非线性高阶RED拥塞控制机制。该算法利用一个高阶分组丢弃函数,在下限阈值附近以较低的概率标记丢弃分组,在上限阈值附近迅速提高分组的标记丢弃概率。并对网络仿真器NS2进行扩展,通过系列仿真实验验证了改进算法有效提高了网络性能。

主动队列管理中的智能分组丢弃新机制

主动队列管理通过网络中间节点有控制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TCP端到端拥塞控制近来研究的一个技术热点.已有的大多数算法在判定分组丢弃时大都沿袭了RED的概率丢弃机制,具有一定计算复杂度的随机数生成过程不利于路由器性能的优化.在本文中,我们首先定义了拥塞指数这一新的测度变量来量化描述网络的拥塞状态.接着,利用模糊逻辑设计了一种新的智能分组丢弃机制,离线的合成推理使得分组丢弃的判定仅需要简单的查表操作和比较运算即可完成,为优化路由器的性能提供了便利.数字仿真的结果表明:智能分组丢弃机制的性能优于经典的RED算法,控制队列的能力强,鲁棒性好,稳定工作域大,能很好地抵抗突发性和非弹性业务的干扰,适合工作在瞬息万变的动态网络环境中.

一种时滞网络自适应主动队列管理算法研究

主动队列管理(AQM)算法的自适应能力和克服滞后性不良影响的能力是该文研究的重点。在分析AQM采用传统PID存在的问题的基础上,提出了一种时滞网络的自适应主动队列管理(FAGPID)算法。由模糊控制器实现PID参数对动态网络环境的在线自适应调整;成功引入灰预测算法实现反馈数据的超前预测,补偿滞后。仿真对比AQM环境中FAGPID,传统PID以及基于模糊免疫PID(FIGPID)的算法,可知FAGPID相对于FIGPID复杂度低,但FAGPID与FIGPID性能相当,均能克服滞后的影响,能快速稳定地适应动态网络环境,收敛于期望队列长度,具有较小的丢包率,优于传统PID算法。

主动队列管理算法的分类器实现

作为端到端拥塞控制的增强机制 ,主动队列管理 (AQM)通过在网络中间节点有目的地丢弃分组来维持较小的队列长度和较高的链路利用率 .已有的大多数主动队列管理算法沿用了随机早期探测 (RED)算法首创的概率丢弃机制 .本质上 ,判决是否丢弃分组的过程是一个依赖于网络拥塞状态的决策过程 ,因此 ,概率决策不应该是唯一的方法 .在本文的研究中 ,我们首先归纳了理想AQM算法所应具备的品质 ,然后应用模式识别中分类器的设计思想提出了一种新颖简洁的主动队列管理策略实现框架 ,并基于Fisher线性判别方法为AQM设计了一个两维两类分类器(TCC) .仿真试验表明TCC有效、敏捷、鲁棒 ,扩展性好 ,同时实现简单 ,计算开销小 。

P^2I:一种新的主动队列管理算法

研究了在主动队列管理算法中使用的PI控制器和Proportional控制器之间的优劣 .通过引入积分因素 ,PI控制器可以有效地消除Proportional控制器中存在的“稳态误差” .但是 ,积分项的引入减慢了系统的反应速度 .该文提出一个算法P2 I来解决这个问题 .P2 I结合了Proportional控制器和PI控制器的优点 .作者使用模拟的方法来验证P2 I的性能 .试验结果表明 ,P2 I在反应速度方面优于PI控制器 ,同时保持了PI控制器的优点 .文中还分析了网络流量特征对主动队列管理算法设计的影响 .

区分服务网络中主动队列管理算法

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,但缺乏保证时延和分组丢失性能的有效方案.基于对RIO队列的稳态性能分析,提出两种自适应调整控制策略的主动队列管理算法(ARIO-D和ARIO-L).仿真结果表明,这两种算法在保持RIO算法带宽保证能力的同时,还可以提供稳定的和可区分的时延和分组丢失性能.采用ARIO-D和ARIO-L的保证转发服务可以为多媒体流量提供多种服务质量的定量保证.

主动队列管理研究综述

主动队列管理是路由器中支持拥塞控制的主要机制,也是基于路由器的网络拥塞控制的研究热点,但目前仍然没有能被普遍接受并获得广泛应用的方案。该文围绕主动队列管理机制的关键技术和当前研究中尚待解决的几个问题进行了论述,具体包括:链路特征对主动队列管理机制的影响,大延时对主动队列管理的影响,主动队列管理机制对网络稳定性的影响和主动队列管理在无线网络中的应用等。

基于连续滑模控制的主动队列管理算法及仿真

基于一种改进的滑模控制器提出了一种主动队列管理(AQM)算法。采用连续的滑模控制(SMC)方案来取代不连续的切换控制,消除了滑模控制中存在的抖振现象从而使队列跟踪性能得到改善。对于网络模型的不确定性、网络参数的时变性及非TCP适应流所引起的网络抖动该算法具有很强的鲁棒性。仿真结果表明该方法可以使队列长度快速收敛到设定值,同时使队列振荡最小,结果也表明在网络条件变化的情况下,该算法优于传统的PI控制和传统的滑模控制。

一种加强的主动队列管理算法——EBLUE

作为一种典型的主动队列管理算法,BLUE明显不同于其它方法,它使用丢包和连接空闲事件来控制拥塞。试验表明BLUE的丢包率明显小于RED,但是其参数设置仍然存在一些不足之处。本文在BLUE算法的基础之上,通过引进自适应的思想对其进行了改进,提出了一种加强的BLUE队列算法——EBLUE。大量的仿真实验表明本文的改进算法能够进一步提高BLUE的性能。

一种提高稳定性和公平性的主动队列管理机制

结合平均队列和负载衡量拥塞,实现选择性丢包,提出早期选择性丢包算法(ESD).ESD采用指数函数计算丢包概率,使丢包概率随拥塞程度增大而指数递增;引入记录活跃连接状态信息的虚队列,并在虚队列上假轮转,以检测发送速率大的连接;区分非响应性连接和响应性连接,挑选丢包的候选连接,拥塞时优先丢弃候选连接在队列头部的数据包.实验结果表明,ESD可提高队列稳定性,降低Web流和RTT较大连接的丢包率,提高连接占用带宽的公平性,缩短应用响应时间.

一种惩罚非适应流的无状态主动队列管理算法

CHOKe是一种无状态的主动队列管理算法,能以较低的代价提高网络的性能,但是由于它对超速的非适应流的惩罚力度不够,不能够很好地实现带宽的公平分配。针对这一问题,提出一种新的对非适应流的惩罚机制-ECHOKe算法,通过比较分析FIFO队列中随机抽取m个包与新到包的流ID号之间的关系以及m个包之间的关系建立了新的数据包丢弃机制,从而实现在不提高算法复杂度的前提下增大对超速非适应流的惩罚,提高了公平性。仿真结果表明,在不保持流的状态下,该机制对非适应流具有更强的识别和控制能力,与B-CHOKe和M-CHOKe算法相比,能够进一步加强对非适应流的惩罚,实现更为公平的带宽分配。

PFED:一种基于预测的公平的主动队列管理算法

对多个著名的主动队列管理算法进行了深入的理论分析和实验比较,对它们的优点和不足进行了总结,并在此基础上提出了一种新的主动队列管理算法PFED(prediction-based fair early drop)·PFED的主要目标是:①通过对流量较为精确的预测,结合对分组丢弃概率更为合理的计算,将队列长度的变化稳定在一个理想的水平;②对非响应流实施有效的惩罚,提高算法的公平性;③通过合理的分组丢弃将队列(分组)的到达速率控制在链路的服务速率之下·仿真实验表明,PFED很好地实现了上述3个目标·

一种精确度加强的主动队列管理算法BLUE^+

主动队列管理是IP拥塞控制的一种重要机制,BLUE算法作为一种典型的主动队列管理算法,使用丢包和连接空闲事件来控制拥塞,但是其性能还不稳定。对BLUE算法进行了改进,提出了一种精确度加强的主动队列管理算法BLUE+,并将其应用于区分服务(D iffServ)模型。仿真表明BLUE+能够进一步提高对队列的控制精确度,改善BLUE算法的性能,并且能有效地支持区分服务。

基于模糊滑模控制的主动队列管理算法

针对动态网络的拥塞问题,提出一种主动队列管理(AQM)算法·该算法基于模糊滑模控制器(FSMC)设计,适合于动态网络流量的变化·模糊控制的加入,缩短了到达时间,改善了滑模控制的抖振现象·对于TCP/IP网络中存在的网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动,该算法具有很强的鲁棒性·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,该算法优于传统的PI控制、模糊控制和传统的滑模控制·