基于拥塞控制的AQM算法研究

在对网络拥塞控制进行分析的基础上,介绍了AQM(Active Queue Management)算法的特点及网络流量特征对AQM算法的影响。根据AQM算法的发展概况,将AQM算法中的DropTail算法、RED(Random Early Detection)算法、Adaptive RED算法、PI算法、REM(Random Early Marking)算法和AVQ(Adaptive Virtual Queue)算法进行了比较评价。并对AQM算法的反馈方式及AQM算法的控制理论进行了较为详细的分析与探讨。

基于非线性控制方法的AQM算法

首先利用非线性控制方法中的积分反步法设计了一种AQM算法,接着使用非线性控制方法中的模糊滑模变结构控制方法进行AQM算法的设计。仿真结果表明,与积分反步法相比,基于模糊滑模变结构控制的AQM算法性能上优于基于积分反步法的AQM算法。与基于线性控制方法的PID控制方法相比,基于积分反步法的AQM算法性能上优于基于PID控制的AQM算法。

几种典型AQM算法在高速网络下的比较研究

本文分析和比较几种典型的主动队列管理(Active Queue Management,AQM)算法在高速网络中的性能,经仿真实验发现这几种AQM算法在高速网络中的性能都不理想,主要表现为:链路的带宽利用率不高,全局同步现象严重,队列长度不能维持在一定值附近。这些现象说明了现有的AQM算法在高速网络下不能很好地满足QoS(quantity of serve)的要求,改进AQM算法势在必行。

AQM管理算法的物资信息管理架构及数据处理

为了提高物资管理系统数据处理效率,通过企业资源计划云协作技术对各职能部门进行合理调用,增加部门之间的相互协作能力;采用建筑信息模型对物资管理数据进行统筹划分,与算法程序形成交互;利用改进的主动队列管理算法减少管理网络产生的波动影响,增加管理系统稳定性。实验结果表明,该研究物资数据处理量为2879MB,效率最高达到4.49MB/s,对各管理部门控制力度达到95.4%,总数据裕度为2900MB,波动数据裕度为1000MB,具有较高的技术优越性。

基于时滞鲁棒分析技术的AQM拥塞控制算法

通过采用一种基于Lyapunov泛函的多变量时滞系统分析技术对网络拥塞控制问题进行了研究,得到了系统以衰减度!指数稳定的鲁棒镇定条件,在此基础上提出了AQM网络拥塞鲁棒控制算法,所得结果不但可用于小时延网络(如LAN),同时也适用于大时延网络(如WAN、Internet),仿真实验表明采用该技术设计的网络拥塞控制算法具有良好的鲁棒性及控制性能。

一种基于仿真分析的AQM响应速度改进算法

现有的TCP/AQM在运用过程中忽视了非响应业务流量因素,其在运行过程中对AQM算法性能会产生很大的影响。但是非响应业务流量占整个Internet业务流量非常大,一般达到70%～80%。需要通过非响应业务流量地分析,研究其对AQM算法性能产生的影响程度,从而能够提出改进算法。具体研究过程中需要借助标准GI/M/1/N排队系统中的嵌入AQM数据信息算法丢包机制,提出一种可以扩充的GI/M/1/N排队系统,最终对AQM算法进行优化。通过对非响应业务流量条件的数据信息性能分析,对AQM经典算法进行研究,通过对相关结果进行评价,提出一种优化的AQM算法,提高其在非响应业务流量下的整体性能。

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。

大时滞网络中的拥塞控制算法

主动队列管理(AQM)通过网络中间节点有目的的分组丢弃实现了较低的排队延时和较高的有效吞吐量,是近年来TCP端到端拥塞控制的一个研究热点.已有的大多数AQM算法在设计过程中都没有充分考虑到大时滞对算法性能的影响.首先通过仿真试验证实了已有的几种典型算法控制的队列在大时滞网络中无一例外地出现了剧烈的振荡,导致瓶颈链路利用率下降和延时抖动加剧.为此,在进行了适当模型拟合处理的基础上,应用控制理论中的内模补偿原理设计了鲁棒的延时补偿主动队列管理(delay compensation-active queue management,简称DC-AQM)算法,克服了大时滞给队列稳定性造成的不利影响.仿真实验结果表明,新算法在大时滞小期望队列长度的网络配置中表现出的综合性能明显优于已有的算法,链路利用率是其他算法的3～4倍.

基于神经网络的多路无线TCP均衡控制算法

针对无线网络应用,能够有效地使多路的TCP数据业务均衡地使用网络共享资源,需要系统能根据无线网络的容量实时变化,动态调整各路TCP协议拥塞窗口大小,其参数结构复杂,难于建立精确的数学模型。为此提出了一种基于BP神经网络的控制算法,利用它可有效解决多路无线TCP数据业务拥塞窗口的自适应控制问题,为基于无线网络数据业务应用的优化提出一种新的思路。

基于改进型FPGA的通信电源管理系统设计与仿真

针对目前通信电源供电能力不足、通信延迟过大的问题,根据对5G通信技术的分析,对传统通信电源管理进行改进。利用切分器和瞬时逆变器对供应电流进行分流,保证各部分通信设备及时得到电能供给;利用改进型主动队列管理(AQM)算法实现通信系统的多维降延;利用浮点运算的多维处理能力缩短通信延迟时间,并对实际运行效果进行延迟判定。试验表明,本设计通信管理系统通信总量最高达到6848 MB,运行中通信延迟为268 ms,电源供电效率为95.3%。

基于RBF-FNN的网络拥塞控制研究

模糊控制和人工神经网络作为当前的研究热点,而两种技术的有机结合,使得智能模拟有了发展和进步。本文将这两种技术应用在通信网络中,在AQM算法中设计了一种模糊神经网络控制器,期以解决网络中普遍存在的拥塞难题,具有创新意义。

一种增强型的PI控制器——EPI

PI控制器建立在Mirsa等人提出的TCP/AQM控制论模型上,使用控制理论研究主动队列管理算法。在PI控制器中,参数是固定设置的,在高速网络下性能很差,不能满足AQM的设计目标。因此,文中提出一种加强型的PI控制算法——EPI,使用平均队列长度对丢包概率进行在线调整,使得PI能满足高速网络下的性能要求。仿真结果表明,在高速网络下,EPI的综合性能较PI优秀。