优化PI控制的自适应主动队列管理算法

主动队列管理算法是解决网络拥塞问题的研究热点,在分析基于控制论的PI主动队列管理算法存在缺陷的基础上,提出了具有自适应特性的ONPI算法,该算法通过引入新的参数设置办法来改善网络的性能。经仿真软件ns2实验证明,新算法能快速地收敛队列、保证队列的稳定性和自适应性。     

TCP主动队列管理的计算方法

将TCP的流量控制过程等效为二阶线性时变系统，采用不敏感控制对象参数的内环位置补偿（SP）结构和负载扰动的控制器设计方法，设计出一种新的AQM算法．仿真试验表明，主动队伍管理算法的稳态和瞬态性能都优于与它具有相同实现复杂度的RED和PI算法，并在负载扰动和参数变化时具有较强的鲁棒性．     

一种改进的主动队列管理拥塞控制算法

对基于流的GREEN算法进行了NS-2仿真实验研究，改进算法GREEN＋通过引进参数K（t），在出现短连接流和低带宽流时，能有效地利用链路带宽，取得较高的公平性，同时保持高的链路利用率、低的报文丢失率、短的队列长度．还使用IP优先级域作为一个便利，实现了嵌入式RTT估计．     

鲁棒性可调的主动队列管理PI控制器的解析设计

针对主动队列管理控制系统,基于TCP/AQM控制结构提出一种解析地设计PI(Proportional Integral)控制器的方法.分析了控制系统保证鲁棒稳定性的充要条件.根据鲁棒控制H∞最优性能指标,引入动态解调因子设计控制器,采用数学有理逼近的方法得到其实际可执行的PI形式.该控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折中.通过仿真实例验证了所提出方法的优越性.     

基于TTL拥塞控制的主动队列管理算法

提出了一种新颖的主动队列管理算法--基于TTL(Time to Live)的ECN及BECN的综合.ECN和BECN在指示拥塞的过程中各有优缺点,二者的综合可望提高拥塞指示的效率.TTL是在网络上传输的分组必须具有的属性,且每一次转发都要经过检测,以决定该分组的处理方式--转发或丢弃.通过对TTL的判断来决定网络拥塞指示的方式--ECN或BECN.建立了一个数学模型,对模型的分析结果表明该算法对控制拥塞、提高网络吞吐量等有更好的效果.在NS环境下对算法进行了仿真,仿真结果支持了理论分析.     

一种基于模糊-比例积分双模控制的主动队列管理算法

通过将模糊推理方法和PI算法相结合,提出了一种新的主动队列管理(AQM)算法--基于模糊-比例积分(Fuzzy-PI)的双模态控制主动队列管理算法--Fuzzy-PI AQM算法.该算法的基本思想是当偏差很大时,使用模糊逻辑控制,当偏差小于某一阈值时,则切换到PI控制,从而将模糊逻辑控制的鲁棒性强和收敛速度快的特点与PI控制稳态性能好的特点有机地结合起来,实现对网络拥塞的有效控制.而且,由于在设计模糊控制器时采用了合成推理的查表法,极大地提高了模糊控制的实时效果,节省内存空间,优化了路由器的控制性能.仿真结果表明:Fuzzy-PI AQM算法的性能优于传统的PI算法,对队列控制能力强,鲁棒性好,能很好地抵抗突发性业务的干扰,更适合工作在瞬息万变的动态网络环境中.     

控制理论在主动队列管理中的应用

拥塞控制中作用于网络中间节点的主动队列管理策略(AQM)是解决IP网络拥塞问题和保证QoS的重要途径.运用控制理论,首先对TCP拥塞控制机制建模,在此基础上运用经典控制理论对主动队列管理各种策略进行分析,着重对AQM的唯一候选算法———随机早期检测(RED)算法进行分析与探讨,给出针对AQM策略的比例及比例积分控制器设计.针对网络本身是一个复杂、时变与不确定性的系统,智能控制理论更适合这类对象分析,为此,引入的智能控制理论采用模糊控制和神经网络控制对AQM策略进行研究和分析.     

一种改进的主动队列管理算法

BLUE是一种典型的主动队列管理算法，它使用丢包和链路空闲事件来控制网络拥塞。在BLUE算法的基础之上，引入自适应的思想对其进行了改进，进一步提高了BLUE算法的性能。     

基于模糊控制的主动队列管理算法

针对网络模型的不确定性和参数的时变性,该文提出了一种基于输入速率和队列长度变化的模糊控制主动队列管理算法.采用模糊控制方法,不依赖于网络的精确数学模型;考虑了负载因素和队列因素,加快了对拥塞的感知速度.仿真结果表明该算法能迅速地将队列长度收敛到目标队列长度附近,并且其丢弃概率小于随机早期检测算法以及PI控制算法.     

主动队列管理算法在NS2网络仿真平台中的应用

NS2（Network Simulatorversion2）是一款目前被学术界广泛使用的源代码开放的网络仿真平台。本文首先介绍了NS2仿真平台的优势及其一般使用方法,然后以随机早期检测算法（RED）为例,重点分析了如何基于NS2平台建立主动队列管理的研究方法,提供了实验数据的生成和处理方法;最后给出了以随机早期检测算法为例的主动队列控制的仿真结果,为相关领域的研究提供参考。     

IP拥塞控制RED算法性能仿真分析

IP层实现的主动队列管理（AQM）方案已经成为目前拥塞控制算法研究中的热点。文中对AQM的惟一候选算法,即随机早期检测（RED）进行了研究,并基于OPNET仿真实验,比较和分析了不同网络环境和参数设置下RED算法的性能。仿真结果表明,RED算法对网络的拥塞变化反应较缓慢。进而,运用控制理论对RED性能的改善进行了讨论。     

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.     

一种基于改进的模糊Smith控制主动队列管理算法

针对网络中传输延时给拥塞控制带来不利影响,而现有算法过于依赖精确模型的弱点,提出将模糊控制与改进的Smith预估补偿相结合的设计用于与TCP连接的主动队列管理算法.通过改进的Smith预估补偿器对时延进行预估补偿,使得对TCP的拥塞控制更加及时;而模糊控制器无需被控对象的精确数学模型即能实现良好的控制,可以克服Smith预估补偿依赖精确模型的缺点.两者的结合对于时滞网络的控制可以达到优势互补的作用.最后通过仿真验证了方法的有效性.     

RED算法的改进及其性能分析

随机早期检测(RED)算法作为主动队列管理(AQM)中有效的实现算法,其性能研究近来已成为网络研究的一个热点。介绍了原始RED算法,并在此基础上对该算法进行了改进,仿真结果和实验数据表明,改进算法能显著地降低丢包率,提高网络的链路利用率。     

RED算法的改进及其性能分析

随机早期检测（RED）算法作为主动队列管理（AQM）中有效的实现算法，其性能研究近来已成为网络研究 的一个热点。介绍了原始RED算法，并在此基础上对该算法进行了改进，仿真结果和实验数据表明，改进算法能 显著地降低丢包率，提高网络的链路利用率。     

基于自适应反步滑模控制的主动队列管理

针对TCP网络的拥塞控制问题,基于自适应反步滑模控制提出了一种主动队列管理算法。由于系统的不确定在实际工程中很难或根本无法事先获得,设计一个自适应律来实时适应系统不确定的值,从而消除系统不确定所带来的影响。利用此自适应律,提出一个自适应反步滑模控制器,使得系统具有较好的暂态性能和鲁棒性能。仿真结果表明,该方法对TCP网络的复杂变化具有较好的鲁棒性和较快的系统响应。     

基于量子粒子群优化PI模型的主动队列网络拥塞控制

为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量QoS降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.     

一种新的主动队列管理拥塞控制策略

通过对主动队列管理非线性模型进行线性化处理，并在此基础上采用延时反馈系统控制理论，提出了一种基于延时反馈的AQM策略，评估分析了该策略的稳定性和网络性能的优化。仿真结果表明，这种新的拥塞控制策略对抑制网络拥塞有明显效果，能够显著提高网络性能。     

基于GPC的主动队列管理算法稳定性分析

根据主动队列管理算法中TCP拥塞窗口的流体流模型,给出了离散模型和广义预测控制(GPC)算法的表达式;得出了路由器输出队列长度与参考队列长度的闭环传递函数;证明了GPC控制器在满足特定控制参数的条件下,无论网络参数如何变化,闭环系统都是稳定的;并通过仿真验证了其正确性.