瓶颈链路队列长度的网络认知模型

为解决传统传输控制协议(TCP)在异构网络中效率较低的问题,给出网络状态认知的定义,建立以瓶颈链路队列长度为目标量的网络认知模型,采用TCP-L传输控制协议进行仿真。实验结果证明,该模型能准确估计瓶颈链路队列长度的动态变化趋势。TCP-L协议能在不同负荷的背景流条件下稳定发送窗口、往返传输时延和队列长度,减少拥塞发生,提高吞吐量和传输效率。

基于免疫和灰色系统理论的网络认知研究

针对传统TCP控制协议在异构网络中效率低下问题,提出一种基于免疫和灰色系统理论的网络认知研究.该研究利用人工免疫系统分析各参数的特性和利用灰色关联度建立该网络各参数与当前网络性能之间的相关性,通过一定的数据分析,对网络进行准确、高效的认知.该研究采用传输控制协议TCPL进行仿真实验.仿真实验证明:该算法能够在不同背景流的条件下稳定发送窗口,减少拥塞发生并提高吞吐量,改善了网络性能.