基于改进指数平滑模型的拥塞网络时延预测研究

由于网络拥塞环境的时延序列非平稳,传统时延预测方法大多使用历史值加权建立预测模型,此类模型存在滞后偏差、参数固定、预测精度低等缺陷。针对上述问题,提出了基于改进指数平滑模型的拥塞网络时延预测方法,即SV-ES(Shifting Velocity-Exponential Smoothing method)。该方法在传统指数平滑模型基础上,根据序列趋势变化特征生成指数式加权的偏移速度因子,采用二次指数平滑法修正结果,生成预测模型。基于预测模型的残差序列,使用误差函数提取序列回归信息,动态调整衰减因子,实现模型参数自适应更新。实验结果表明,在拥塞网络环境中,SV-ES时延预测结果的精度比ES提升了9.01%,比ARIMA提升了1.28%。

一种用于拥塞网络节点缓存队列长度控制方法

控制拥塞网络节点的缓存队列长度,在提高网络利用率方面具有重要意义。由于拥塞网络中传送的节点数据太多,使得节点缓存队列长度受到限制。采用传统的控制方法,当存储节点受限时对节点缓存队列进行剪裁来增加传输速率,难以有效的对节点缓存队列进行控制。现提出一种量子粒子群算法,并应用到拥塞网络节点缓存队列长度的控制中。利用概率接纳算法对网络的拥塞状态进行检测,以检测结果为依据对消息进行接受与丢弃处理,采用PI控制器建立PI主动队列管理模型,获取当前时刻拥塞网络节点缓存队列数据包丢弃率,引入量子粒子群算法通过对模型比例系数和积分系数的优化,实现对拥塞网络节点缓存队列长度控制。仿真结果表明,采用改进的控制方法可以有效的降低节点丢包率,提高网络吞吐率,降低控制误差。

基于参数提取算法的拥塞网络多属性资源调度域划分

为解决拥塞传输环境中多属性资源数据利用效率低、信息消耗成本高的问题,给出一种解决方法。首先,以云计算服务平台作为拥塞网络资源调度的主机平台,按照多属性数据的编码原理,实现对网络适应度数值的初步评估;其次,完成网络拥塞资源定义与建模,并采用参数提取算法确定多属性资源的调度参数实值;最后,借助域控制主体相关的输入、输出条件,实现拥塞网络多属性资源调度域划分。实验研究发现,与传统资源调度域划分方法相比,应用新型资源调度域划分方法后,多属性资源数据参量的最高时效利用率超过95%,而单频网络拥塞时长缩短至0.71 s。

拥塞网络环境下两种典型的TCP算法仿真比较研究

拥塞控制已成为网络能否有效可靠运行的关键技术,而基于TCP的Reno和Vegas算法是网络拥塞控制中的两种典型算法,通过NS2仿真平台,对两种算法进行模拟仿真,在拥塞网络环境下,比较两种算法的cwnd变化、封包丢失率及平均吞吐量,从而得出在简单网络中,Vegas算法性能更好。

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.

无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

基于强化学习的网络拥塞控制算法

该文结合强化学习方法提出一种QLCC算法,此算法是将网络拥塞过程进行简化之后描述为马尔科夫决策过程,在Q-learning算法应用的基础上创新设计的新型网络拥塞控制算法。研究过程中首先介绍强化学习方法,并对网络拥塞过程中马尔科夫决策过程的构建条件及假设进行探讨,之后从框架结构、参数结构及定义、参数离散划分和更新步骤几个方面介绍QLCC算法,并采取仿真实验方法对该种新算法的网络吞吐量、公平性、随机丢包环境下的吞吐量分别进行检测,通过与其他3种传统网络拥塞控制算法进行对比分析,证实QLCC算法具有吞吐量较佳、公平性最高、抗丢包性能最优的性能,说明其是一种具有较高应用优势的智能化网络拥塞控制算法。

基于鲸鱼优化算法的无人机通信网络链路拥塞控制研究

为了提高无人机通信网络的安全性,解决由于链路拥塞而导致的通信数据误码与丢失问题,提出基于鲸鱼优化算法的无人机通信网络链路拥塞控制方法;采用NetFlow技术获取无人机通信链路实时运行数据,度量链路利用率等指标,识别当前网络链路的拥塞状态;模拟无人机通信与链路拥塞过程,综合考虑无人机通信直视径、反射径和散射径3个分量,构建网络链路模型;在无人机通信网络链路拥塞控制协议的约束下,均衡调度无人机通信数据,利用鲸鱼优化算法选择通信链路的最优解,完成通信链路切换工作,实现无人机通信网络链路的拥塞控制任务;实验结果表明:在设计方法控制下,无人机通信网络链路的时延减小了61 s,吞吐率提升135 kbit/s,证明优化方法能够有效缓解链路的拥塞程度,通过对通信网络误码率和溢出丢包率的分析,证明优化控制方法不会对网络的通信任务产生明显影响。

基于蚁群算法的无线网络拥塞控制与实验研究

为了保证无线网络运行通畅,稳定运行,并减少能耗,提出了一种基于蚁群算法的无线网络拥塞控制方法。根据无线网络节点内各流调度问题,按照每个服务流程的等待时间函数确定优先权。根据各个节点信息重建观测矩阵,获得基本矩阵稀疏系数矢量,舍弃多余数据并合成更高效的数据以进行传输。采用蚁群算法计算链路的剩余能量,判断节点数据传输情况,完成拥堵控制。通过实验验证,证明所提算法能够较好的避免网络拥塞,减少能源消耗和丢包率,保证网络通信稳定。

基于机器学习的网络拥塞控制算法研究

随着网络规模的扩大及其复杂化,网络拥塞问题加剧,传统的网络拥塞控制算法应对乏力。基于此,本文对基于机器学习的网络拥塞控制策略进行了探索,利用预测与优化能力精准识别和调整拥塞状态,旨在提升算法性能和用户体验。文章在综述了基于机器学习的网络拥塞控制算法研究现状后,提出了新的算法优化策略,阐述了核心思想、模型构建的思路,最后还对未来研究方向进行了展望,旨在为网络拥塞控制方向的研究者提供参考。

基于AODV协议的电力通信网络拥塞安全控制研究

电力通信网络传输阶段的路由缺乏对链路节点状态的分析,导致传输数据的投递率较低,因此提出基于无线自组网按需平面距离矢量路由(Ad hoc On-Demand Distance Vector Routing,AODV)协议的电力通信网络拥塞安全控制研究。通过构建AODV协议节点筛选机制,从位置维度初次筛选出满足通信传输范围的节点,从速度维度二次筛选出性能满足传输需求的节点,从方向维度确定与电力通信传输方向一致的节点集合。以负载均衡为目标函数,建立AODV协议的响应链路。经过实际测试,与对照组相比,发包速率并未对文章设计方法的投递率造成显著影响,具体的投递率始终在95%以上,在稳定性和有效性方面具有显著优势。

生成式大模型承载网络架构与关键技术探索

生成式大模型训练需要超大规模低时延、高带宽、高可用的网络承载底座。对生成式大模型下高性能网络基础设施的技术发展路线和实现方案进行了研究,认为商用部署时需针对不同训练阶段的工作负载和流量模式,开展定制化网络架构设计和传输协议优化。流控/拥塞控制技术、负载均衡技术、自动化运维技术和面向广域远程直接内存访问(RDMA)的确定性网络传输技术是未来的重点研究方向。

一种基于TCP-ARED的网络动态拥塞控制策略

技术的发展推动着传统网络向智能网络转变,智能网络中类型繁多的流量业务所产生的巨大、多样的数据流量易导致网络拥塞等问题,这给网络拥塞控制体系提出了更高的要求。主动队列管理机制是拥塞控制体系中不可或缺的一环,随机早期检测(random early detection,RED)算法及其改进算法都是主动队列管理机制中缓解网络拥塞的常见方法,但都存在无法适应网络动态变化所带来的队列长度不稳定的问题。针对该问题,提出一种新型主动队列管理算法SP-ARED(square power-ARED),SP-ARED算法通过优化丢弃概率函数以及引入新的阈值上限,来更好地缓解网络拥塞。NS2的仿真结果表明,在复杂、动态的网络环境下,除时延以外,SP-ARED算法在平均队列长度稳定性、吞吐量、丢包率和时延抖动方面的表现都有了提高。

基于拥塞理论的广电网络客服呼叫接入控制方法

针对当前方法存在客服呼叫接入队列瞬时长度变化波动较大的问题,提出一种基于拥塞理论的广电网络客服呼叫接入控制方法。通过构建网络拥塞控制模型,将此模型作为后续环节的基础。构建自适应呼叫接入控制器,设定闭环控制模式。利用拥塞理论以及控制器,提出客服呼叫接入控制算法约束条件,实现接入控制过程。实验结果表明方法可降低客服呼叫接入队列瞬时长度变化波动,提高控制过程平稳度,提升广电网络运行稳定性。

溶滞网络缓冲区占用率预测模型设计

溶滞网络中数据滞留较多,占用了缓冲区大部分内存。为此,构建基于多组件融合的溶滞网络缓冲区占用率预测模型。在多组件框架的基础上,求解数据样本融合条件。联合数据库主机内存储的信息样本,完成对可移植任务的配置,实现溶滞网络缓冲区内的数据样本处理。设置决策树组织,确定复杂度指标的取值范围,完成基于多组件融合的溶滞网络缓冲区占用率预测模型设计。对比试验结果表明,在多组件融合预测模型作用下,拥塞系数最大值仅为0.6、信道平均占用率始终不超过60%。该模型预测准确率较高。所构建模型预测溶滞网络缓冲区占用率的性能较优,具有一定的实际应用价值。

多媒体无线网络通信传输技术优化设计

为解决无线网络在数据包传输阶段所遭遇的通信冗余难题,本研究引入了一种创新的路由算法,该算法融合了网络编码与跨层设计的理念,目的是满足服务质量要求的同时,提高网络的整体吞吐能力。本研究提出了一种基于网络编码(network coding,NC)的启发式链路控制路由树算法,有效减少了网络操作中需要的中继节点数。并采用跨层设计策略以优化资源的使用,减少不必要的延迟和重传,从而实现在多变的网络环境中保持更高的数据传输效率。通过验证,本研究提出的方法能显著提升无线传感器网络在复杂多媒体环境下的传输性能。

基于OTN的城域网移动接入网络设计与实现

随着移动互联网应用的快速发展和数据业务不断增长,不论是行业客户还是个人客户对网络质量和性能的要求都更加严格,如何利用新的技术、通过新的思路解决以上问题呢?本篇文章将为读者献上一种新型的、独特的解决方案,依托光传输网络(OTN)技术,为城域网移动接入网络的设计与实现铺路。本文旨在研究当前环境下,涉及面最广泛、应用最复杂的城域网移动接入网络场景,既智慧城市网络对海量数据传送的需求,以及存在的网络瓶颈,同时明确指出OTN技术的优越性和特征。采取实验研究的方法,构建了基于OTN的城域网移动接入网络架构,充分利用波分复用与全光交换的关键技术,赋予网络更为丰富的传输能力和优越的网络性能,并且结合具体应用场景,构建网络模型进行仿真实验,对网络性能进行深入分析和评估。最终研究结论表明,这种基于OTN的网络设计能够有效处理大数据流量,降低网络拥塞,保障网络的安全和稳定,从而满足当前大数据时代智慧城市的业务需求。研究成果对城域网的建设以及智慧城市的发展具有重要参考价值。

基于TCP Vegas的网络拥塞控制改进算法

由于TCP Vegas在与TCP Reno算法共存的网络环境中不能公平地竞争到带宽,TCP Vegas-A拥塞控制算法有效地改进了TCP Vegas算法在带宽竞争力弱方面的缺陷。对TCP Vegas-A算法进行了仿真研究并提出一种拥塞控制改进算法TCP NewVegas。基于NS2的仿真实验证明TCP New Vegas算法提高了与TCP Reno共存时在网络中的带宽竞争能力。

集中式网络拥塞控制的高效RPL路由协议

针对低功耗有损网络中采用博弈论的网络拥塞控制(game theory based network congestion control protocol,GTNCC)路由算法在路由构建过程中仅仅考虑无线链路质量不能使网络拓扑最优,以及在拥塞控制过程中由拥塞节点的子节点判断是否切换父节点不能快速高效地缓解网络拥塞等问题,提出一种基于多维度量结合的集中式网络拥塞控制(centralized network congestion control based on multi-metrics combination,CNCCMC)路由协议。首先,为了降低网络拥塞发生的概率,CNCCMC路由协议综合考虑了节点剩余能量、缓存占用率、无线链路质量和中继节点当前子节点个数等多维度量完成路由构建;其次,当检测到网络拥塞时,CNCCMC路由协议依据网络拥塞节点进行流量分析和判断的结果采取集中式的方式控制其子节点的切换;最后,在网络拥塞缓解过程中,提出一种"乒乓效应"避免机制。理论分析和仿真结果表明,与GTNCC路由算法相比,CNCCMC路由协议在降低网络拥塞发生的概率、延长网络平均生存寿命和提高网络吞吐量等方面的性能得到了有效提升。

基于流量调度的SDN数据中心网络拥塞控制算法

针对采用软件定义网络(SDN)的数据中心网络拥塞的问题,提出一种基于流量调度的数据中心网络拥塞控制算法。当链路发生拥塞时,该算法首先判别拥塞链路中链路上关键度最大的大流,然后对大流进行重路由计算,选择调度开销最小的流,并进行调度代价计算,最后对调度代价最小的流进行调度。实验结果表明,所提算法能够有效缓解网络拥塞,降低丢包率,提高链路利用率,使得网络性能更为稳定。