基于流量自相似性的网络队列管理算法

网络流量的自相似性会导致数据突发状态持续,传统队列管理算法无法对网络流量突发状态进行预测,从而影响网络端到端时延、丢包率和吞吐性能。针对该问题,提出一种基于网络流量预测的主动队列管理算法P-ARED。基于网络流量的均值和方差给出网络流量等级的概念,讨论网络流量等级转移概率与Hurst参数之间的关系,提出基于贝叶斯估计思想的网络流量等级预测方法。在此基础上,在对自相似网络流量环境下的平均队列长度、缓存队列长度最小阈值等参数优化设置的基础上,基于Hurst参数和自相似流量等级预测结果,重新设计ARED算法中分组丢弃概率的计算方法,以提高缓存队列长度的稳定性。仿真结果表明,P-ARED算法与对比的主动队列管理算法相比,降低了网络端到端时延和丢包率,提高了端到端吞吐性能,其中平均吞吐量最高提升7.63%,平均时延最多降低17.52%。

一种基于Smith预估器的主动队列管理(AQM)拥塞控制算法

有效的拥塞控制机制是保证Internet稳定运行的关键因素之一,网络拥塞控制系统本质上是一个时滞系统,传输时延是网络拥塞控制必须考虑的一个重要因素.本文应用Smith预估控制原理,在进行适当模型拟合处理的基础上,提出了一种基于Smith预估器的主动队列管理(AQM)算法(AQMAlgorithmbasedonsmithpredictor算法,简称Smith-PI),新算法结构简单,易于配置,具有良好的鲁棒性和网络控制性能,同时克服了大时滞给队列稳定性造成的不利影响。通过仿真表明,采用Smith-PI算法,对于限制系统振荡超调量的作用非常明显,同时能使网络具有更快的响应速度及更平稳的队列,而当网络时延增大时,算法能使网络的动态性能依然保持良好,使得缓存队列迅速收敛到稳定值。

主动式队列管理(AQM)算法研究

AQM是指根据队列长度的变化进行提前丢包,对网络拥塞进行早期通告,从而达到减少和避免网络拥塞,提高服务质量。本文对常用的AQM算法作了介绍,并通过NS2模拟器对各算法进行了模拟和分析,指出各算法的优缺点,为进一步研究AQM算法提供了依据。

主动队列管理(AQM)拥塞控制算法研究

随着互联网规模的增长,互联网上的用户和应用都在迅速的增长,拥塞控制已经成为一个十分重要的问题。本文介绍了主动队列管理拥塞控制研究方面一最新的工作,分析了拥塞控制的基本原理,着重论述了目前主动队列管理的一些典型算法,并提出了进一步的研究方向。

几种典型主动队列管理(AQM)算法

网络拥塞控制按照不同的标准可以分为不同的控制机制和相应的拥塞控制策略.主动队列管理(AQM)算法是一种运行于网络中心节点的积极的闭环控制的链路算法.RED(随机早期丢弃)算法是IEIF推荐的主动队列管理算法的唯一侯选算法,然而算法在响应速度、稳定性等方面仍有缺陷.阐述了当前拥塞控制算法和几种典型的主动队列管理AQM算法,分析总结原始的RED算法的不足.

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。

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·

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 .

几种主动式队列管理算法的比较研究

主动式队列管理 (ActiveQueueManagement,AQM)技术是IETF为了解决Internet拥塞控制问题而提出的一种路由器缓存管理技术 .本文对几种主要AQM算法RED、BLUE、ARED和SRED的性能在基于ns 2仿真实验的基础上进行了比较研究 .研究的性能包括队列长度、丢包概率、丢包率、连接数对吞吐量的影响及缓冲区大小对链路利用率的影响等 .仿真结果表明BLUE。

主动队列管理中的PID型神经网络控制

研究动态网络中间节点的拥塞控制.提出一种PID型神经网络的主动队列管理(AQM)算法,给出基于BP学习规则的网络参数自调整规律,根据Lyapunov定理证明了系统的稳定性.基于NS-2平台的仿真结果表明,该算法适应瞬息万变的网络环境,系统稳态误差和响应速度等指标优于PID算法.

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。

基于自适应模糊滑模控制的主动队列管理算法

针对TCP这样大型复杂的网络系统的拥塞问题,考虑系统中存在的不确定因素是未知非线性的情况,设计了一种采用自适应模糊滑模控制理论的主动队列管理算法。该算法基于网络模型的特殊性,构造了Lyapunov-Krasovskill函数,设计了滑动模面,并基于线性矩阵不等式的方法给出该系统鲁棒渐近稳定的充分条件,所设计的自适应模糊控制律能够使系统的状态轨迹在有限时间内到达滑动模面。仿真结果表明,该算法在网络条件变化的情况下,能实现准确的跟踪目标队列长度,避免网络拥塞的发生。

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。

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.

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 。

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注。本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit Congestion Notification,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS)。最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法。

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。

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。