ε-近似和加权公平性保证的无线传感器网络拥塞控制算法

针对现有的无线传感器网络拥塞控制算法中很少考虑数据压缩和加权公平性的问题,提出了一种ε近似和加权公平性保证的拥塞控制算法.首先,我们对传感器节点产生的时间序列采用贪心分段常值ε近似(GreedyPiecewise Constantε-Approximation,GPCA)的策略,极大地减少了数据通信量.其次,我们给出了具有加权公平性保证的拥塞控制算法(Weighted Fairness Guaranteed Congestion Control Algorithm,WFCC),并首次给出了公平性度量的下界1-(10c/9)2,其中c为常数且0<c<0.2.实验结果表明,GPCA具有很好的压缩性能,WFCC达到了较高的吞吐量和加权公平性(95%以上).

区分服务网络基于ForCES的资源与拥塞发现方案

区分服务网络资源与拥塞发现对于改善网络服务质量有很重要的作用,本文主要研究了区分服务网络基于ForCES的资源与拥塞发现方案,主要构成:(1)资源与拥塞发现代理(RCDA),管理ForCES路由器可用资源、拥塞情况及标记探测包;(2)资源发现协议(RCDP),用于区分服务域路由器交换可用资源和拥塞信息的信令协议;(3)基于小尺度特性的流量统计LFB和队列测量LFB;(4)可用带宽估测及拥塞度量。

基于排队时延和丢包率的拥塞控制

作为拥塞度量,排队时延具有很多优点,但仅利用排队时延并不能完全避免丢包,而在链路缓存不足出现丢包时,排队时延已不能有效反应网络拥塞情况。该文提出了一种基于排队时延和丢包率的拥塞控制模型,该模型采用双模控制的方法。在瓶颈链路上有足够缓存时,模型利用排队时延作为拥塞度量,使各流获得稳定的动态性和成比例公平性。当瓶颈路由器上没有足够缓存不可避免要丢包时,模型利用丢包率作为拥塞度量,使各流仍能获得与不丢包情况下相近的流特性。模型在两种模式的切换中保持稳定,实现平滑过渡。