索东海[1]2003年在《广义预测拥塞控制算法及仿真研究》文中进行了进一步梳理ATM是一种面向连接的、分组交换和统计复用技术。然而，当多个突发业务同时到达一个节点时，缓存队列长度迅速增加，在极短的时间内出现缓冲溢出，或高速链路接入慢速网络中引起输入链路速率大于输出链路速率，则导致网络拥塞。拥塞一旦发生，传输延时增大，信元丢弃率迅速上升，拥塞持续时间过长，还会导致整个网络崩溃。因此，有效地控制网络拥塞，是提高网络资源利用率和改善网络服务质量的首要任务。 ATM论坛采用基于速率的反馈控制方法作为实现拥塞控制的标准算法，但论坛只给出该算法设计的指导性建议并未明确规定具体实施方案。目前经验设计的缺点是不能保证资源分配的公平性，易使源端发送速率产生不稳定的震荡，也没有系统的性能分析理论依据。基于线性控制理论的方法几乎都没有综合考虑传输延时的随机时变特性、饱和非线性和用户数的动态变化等不确定性。这些因素的存在，不仅限制了常规反馈拥塞控制算法的应用，而且还导致网络的大范围震荡，并且模型阶次难以确定，由此给基于模型的分析方法带来很大的困难。 本文针对上述问题，首先，建立了单瓶颈节点的网络流模型，该方法只需考虑网络链路延时，将其他延时(如排队和交换延时)和不确定性看作为系统的扰动。然后，设计了广义预测拥塞控制算法，保证了闭环系统的全局稳定性和稳态公平性，并设计了自适应预测拥塞控制算法，提高了系统对用户数动态变化的鲁棒性。最后，仿真研究结果表明，本文所提算法在性能上优于已有算法：改善了系统的暂态性能，增强了对不确定性的鲁棒性，提高了网络利用率，实现了带宽分配的公平性。
滕海涛[2]2005年在《主动队列管理的优化与预测控制算法设计》文中提出目前Internet网络无论用户数,还是业务类型都以惊人的速度增长,特别是建立大规模计算和数据处理、满足稳定而高效的科学活动的网络环境的需求,使得现有的网络管理和控制机制越来越不适应实际的需要,因此合理有效的拥塞控制机制成为网络管理研究的首要任务。虽然以集成服务(IntServ)和区分服务(DiffServ)为代表的服务模型和以接纳控制、流量成形、队列管理为核心的业务管理机制在一定程度可以满足用户的服务质量要求,但最基本和最核心的依旧是拥塞控制,因为时常有可能出现严重拥塞而无法及时恢复的网络是难以实现良好的服务质量(QoS)保证的。基于窗口的TCP速率控制及其改进算法,虽然已作为标准在Internet上广泛使用,但是完全依赖于终端系统的策略和算法是很难满足复杂的应用对QoS的需要。于是结合源端算法研究路由器等中间节点设备的控制机制,更及时了解网络的拥塞状态,并以此实施有效的资源管理策略,使网络能有效地避免拥塞,或尽早从严重的拥塞状态中恢复过来显得更加重要。 以RED算法为代表的主动队列管理(AQM)方案作为中间节点设备的增强机制,在保证较高吞吐量的基础上有效控制队列长度,从而实现了控制端到端的时延,保证QoS的目的。但是研究表明大多数AQM方案对网络的连接数变化、业务类型及延时大小等网络状态非常敏感,不正确的参数设置常引起队列震荡、吞吐量降低和时延抖动加剧等不良作用。 本文针对上述问题,首先介绍了拥塞控制和主动队列管理(AQM)的背景,并简单分析了各种已有的AQM算法。描述了TCP+AQM拥塞控制机制的控制理论建模过程,然后采用最优化、预测控制等方法提出了数值优化控制算法、广义预测控制算法和预测PID控制算法。最后以OPNET仿真平台为工具,对所提出的算法进行了深入系统的仿真研究。仿真表明本文方法在一定程度上改进了某些现有算法的不足,改善了系统的暂态性能,增强了对延迟、用户数变化等不确定性的鲁棒性,提高了网络利用率。
闫芳[3]2004年在《ATM广义预测控制的研究》文中研究表明ATM是一种面向连接的、分组交换和统计复用技术。然而,当多个突发业务同时到达一个节点时,或高速链路介入慢速网络时,则导致拥塞。因此,有效地控制网络拥塞,是提高网络资源利用率和改善网络服务质量的首要任务。 ATM论坛采用基于速率的反馈控制方法作为实现拥塞控制的标准算法,但论坛只给出该算法设计的指导性建议并未明确规定具体实施方案。目前经验设计的缺点是不能保证资源分配的公平性,易使源端的发送速率产生不稳定的振荡,而基于线性控制理论的方法几乎都没有考虑传输延时的随机时变特性、饱和非线性和用户数的动态变化等不确定性。这些因素的存在,导致用常规的控制理论进行拥塞控制是不行的。 本文针对上述问题,建立了单瓶颈节点的网络流模型,该方法只需考虑网络链路延时,将其它延时(如排队和交换延时)和不确定性看作系统的扰动。由此设计了广义预测拥塞控制算法,保证了闭环系统的全局稳定性和稳态公平性,并设计了自适应预测拥塞控制算法,提高了系统对用户数动态变化的鲁棒性。最后,采用离散时间仿真软件OPNET对DPDC、ERICA、GPCC算法进行仿真,仿真结果表明,本文所提算法在性能上优于已有算法:改善了系统的暂态性能,增强了对不确定性的鲁棒性,提高了网络利用率,实现了带宽分配的公平性。
王俊伟[4]2003年在《ATM网络的多节点拥塞控制算法研究》文中提出在高速网络中，一方面由于网络设备的物理特性限制了网络的传输速率、处理速度和节点的缓冲器容量，因而产生饱和非线性特性；另一方面，传输延迟的时变性、用户接入的随机性以及高优先级业务的突发性和不可控性，使得网络中存在严重的测量误差和干扰。这些不确定因数使得网络拥塞控制问题变得更加复杂。而现有的基于速率反馈的拥塞控制设计多数都没有很好地考虑网络的非线性特征，也没有考虑测量误差和干扰的抑制问题。在多节点的情形下，由于各个交换节点的相互之间的耦合作用，增加了缓冲区队列模型的干扰，与单节点网络相比，对控制器的稳态性能和暂态性能提出了更高要求。控制器设计的目的是：考虑到上述干扰并且不影响高优先业务的情况下，使缓冲区队列长度和ABR源的允许速率分别达到稳定值，即，保证闭环控制的稳定性；避免网络出现严重的拥塞，以减小信元丢失率，保证用户的服务质量；在确保公平性的同时，最大化网络资源的利用率。 为此，本文首先建立了多节点的网络流模型，考虑了网络时延，将测量误差、高优先级业务和多节点网络连接之间的耦合作为系统的扰动。然后，设计了广义预测拥塞控制算法。仿真研究表明，此方法既提高了网络资源的利用率，又保证了闭环控制的稳定性和网络资源分配的稳态公平性，同时降低了了高优先级业务对系统性能的影响。在此基础上，考虑到网络中用户数的随机变动和传输时延的动态变化，而引起队列模型参数的变化，采用自适应方法预估模型参数。从仿真结果不难看出，自适应广义预测算法可以对用户数的动态变化快速做出反应，而当用户数不变时，能够迅速达到期望的目标。最后，针对单节点和多节点网络，引入BP神经网络来逼近网络队列模型的非线性子模型；应用自校正算法，辨识队列模型的线性子模型，设计了基于神经网络的自校正拥塞控制器。仿真证明，算法保证了闭环系统的稳定性、收敛性和公平性，对传输延迟的时变特性和用户的动态变化引起的测量误差具有较好的鲁棒性。
马吉荣[5]2004年在《ATM网络离散事件仿真方法及预测拥塞算法设计》文中认为异步传递模式(ATM)是实现B-ISDN的关键技术，但当多种业务或多个连接同时到达某个节点，或高速链路接入慢速网络时，易引起此节点的缓冲区队列长度迅速上升而溢出，导致拥塞。拥塞又会引起网络处理延时的增加，进一步使拥塞加剧，甚至导致网络崩溃。因此，设计有效的算法控制网络拥塞，是提高网络资源利用率和改善网络服务质量的首要任务。 本文首先利用离散事件系统和Petri网理论对ATM网络的端系统行为进行了分析，说明了ATM网络内部的离散事件运行机制和算法流程，并结合显式前向拥塞指示(EFCI)算法及用于拥塞避免的显式速率指示(ERICA)算法进行了说明。为了进一步理解两种算法的运行机制，利用仿真软件OPNET对这两种算法在源端，交换端及目的端分别进行了实现。 然后，针对目前拥塞控制算法没有考虑网络延时的情况，利用控制理论的基本方法，在有网络延时的情况下，提出了基于预测的EFCI算法(P-EFCI)。OPNET仿真研究表明本文提出的改进EFCI方法在性能上要优于原有的EFCI算法。 为了进一步提高扩展的EFCI算法的性能，本文最后分析了有延时和VBR业务源端的缓冲区队列系统的流量控制模型，提出了具有稳定性的广义预测拥塞控制算法，并分析了算法的公平性及稳定性。OPNET仿真比较分析和实验结果表明稳定的广义预测拥塞控制算法在性能上要好于双PD(DPDC)算法。 综上所述，本文通过结合EFCI和ERICA算法分析了ATM网络端系统的离散事件系统行为，说明了拥塞控制算法的运行机制。在此基础上，提出了改进的EFCI算法和具稳定性的广义预测算法，并证明了算法的稳定性和公平性。最后仿真结果表明所提算法在交换机队列长度、源端发送速率和链路利用率等方面的性能上有了较大的提高。
李治国[6]2008年在《基于神经网络的AQM算法研究》文中研究指明随着Internet的迅猛发展,作为提高网络性能的重要手段之一的网络拥塞控制是网络的热点研究领域之一。拥塞控制的目标就是达到吞吐量的最大化、分组延迟的最小化、各用户之间资源分配的合理化和尽可能少的丢弃数据包。作为TCP端到端拥塞控制的辅助手段,主动队列管理(Active Queue Management)使得中间节点参与到拥塞控制中,是近年来拥塞控制的热点研究领域。以RED算法为代表的主动队列管理(AQM)方案作为中间节点设备的增强机制,在保证较高吞吐量的基础上有效控制队列长度,从而实现了控制端到端的时延,保证QoS(服务质量)的目的。但是研究表明大多数AQM方案对网络的连接数变化、业务类型及延时大小等网络状态非常敏感,不正确的参数设置常引起队列的振荡、吞吐量降低和时延抖动加剧等不良作用。本文针对上述问题,介绍了主动队列管理(AQM)的背景、优势和性能评价,并简单分析了各种已有的AQM算法。描述了TCP+AQM拥塞控制机制的控制理论建模过程,介绍了仿真平台NS-2。采用神经网络及预测控制技术提出了一种新的AQM的PID算法;同时对单神经元自适应PID算法加以改进,并对所提出的两种算法进行了深入系统的仿真研究。仿真试验表明本文方法在一定程度上改进了某些现有算法的不足,改善了系统的暂态性能,增强了对延迟、用户数变化等不确定性的鲁棒性,提高了网络利用率。
何凌[7]2007年在《TCP/IP网络拥塞控制若干问题的研究》文中提出在科学技术高速发展的今天,新型网络应用不断出现,用户数量迅速增加,人们对互联网的需求量越来越大,由此引发的网络拥塞已经成为制约网络发展和应用的瓶颈问题。拥塞容易造成传输延迟和吞吐量等QoS (Quality of Service)性能指标降低,导致网络性能和网络资源利用率下降,从而无法提供有效的QoS保证。因此,有效地解决拥塞问题对于提高网络性能具有重要意义,如何更好地预防和控制网络拥塞也成为近年来网络研究领域的热点。本文在分析了TCP和IP拥塞控制机制的基础上,从控制理论和经济学的角度对拥塞控制进行了研究,主要研究工作如下：针对网络的时滞和网络模型的不确定性,从控制理论的角度将内模控制器与Smith预估控制相结合,提出了新的主动队列管理算法(AQM):IMC-Smith控制算法,并且在多种情况下作了详尽的仿真研究,得到了较好的结果,证明了IMC-Smith算法的优越性。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,研究了一种针对大时滞动态网络的主动队列管理算法。采用模糊控制与改进的Smith预估补偿相结合设计用于TCP连接的主动队列管理算法。通过改进的Smith预估补偿器能补偿大时滞对队列稳定性的影响,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,对动态网络流量又存在很强的鲁棒性,适合于大时滞不确定网络拥塞控制。设计基于自适应灰色预测的虚速率算法,将灰色预测、自适应控制与虚速率算法叁者的设计思想融合起来。该算法既解决了基于队列的算法响应速度慢的缺点,同时又兼顾了传统PID控制在线参数整定困难的不足,通过在线边学习边控制的方式可以自适应地在线调节控制参数以保证网络系统在平衡点的稳定性,从而获得较快的暂态响应以及较好的稳态特性。提出了新的基于显式速率反馈的拥塞控制方法,在传统的Smith预估控制的基础上加入了滤波器,较好地克服了TCP网络的传播时延给拥塞控制所带来的不利影响,使TCP发送窗口能快速响应网络负荷状况的变化,从而避免了分组的丢失,并使得的流量较为平稳,理论分析表明该方案在模型匹配和不匹配两种情况下有较强的适应性都能保证系统的鲁棒性,能满足实际应用的需求。从经济学的角度出发,将价格策略应用到网络拥塞控制中来。首先将资源占有率引入到价格策略中,构造了基于资源占有率的价格策略；另外将网络中的效用函数模型同对策论中的Stackelberg策略相结合,提出了基于Stackelberg策略的价格策略。通过仿真实验,得到了理想的结果,证明了两种策略的有效性。针对基于优化理论提出的对偶梯度拥塞控制算法及其一般分析框架,研究了该算法在一种简化了的网络情形下的稳定性问题。在不考虑网络传输时延时的情况下,证明该对偶梯度拥塞控制算法在一般拓扑结构下的全局稳定性；在考虑了网络传输时延时的情况下,针对单瓶颈拓扑网络给出了该对偶梯度拥塞控制算法全局稳定的条件。这些结论为设计网络配置、确保网络稳定、避免网络拥塞提供了理论基础。最后对全文进行了概括性总结,并提出了下一步研究的方向。
李凤华[8]2008年在《网络拥塞控制中基于PID的AQM算法研究》文中认为拥塞控制算法根据实现位置可以分为两大类:基于源端的控制算法和基于通信子网的控制算法。源端控制算法中使用最广泛的是TCP协议中的拥塞控制算法,也称TCP拥塞控制;通信子网的控制策略在网络设备(如路由器和交换机)中执行,也称为IP拥塞控制。本文主要研究了基于通信子网的主动队列管理算法中的PID队列管理算法,并在此基础上提出了改进的专家智能PID队列管理算法和自适应模糊PID队列管理算法。使用网络仿真软件NS2对这几种算法进行仿真研究,根据实验结果分析各个算法的性能优劣并进行对比。文章首先介绍了网络中的拥塞现象产生的背景、原因及拥塞控制策略研究发展,讨论了拥塞控制两种机制:终端系统控制机制和中间节点控制机制,其中重点分析了中间节点控制机制中关键机制——主动队列管理。详细论述了PID控制策略的来由、原理和设计,并对其缺点进行改进提出了改进的专家智能PID队列管理算法和自适应模糊PID队列管理算法。改进的专家智能PID算法弥补了PID算法调节时间长并且在大时延环境下不能将队列长度控制在期望值的缺点,而自适应模糊PID算法又弥补了PID算法在大负载环境下不能将队列长度控制在期望值的缺点,这两种算法都比PID算法更有效。采用网络模拟软件NS2通过对实际网络元素模拟试验的方式对叁种算法进行验证和比较。从而得出,本文提出的改进的专家智能PID算法和自适应模糊PID算法性能优于PID算法。
王俊松[9]2008年在《复杂网络化系统的分析与综合》文中指出本文研究的复杂网络化系统包括网络化控制和网络拥塞控制两方面。时延是网络化控制系统的本质特征之一。本文首先对网络化控制系统中的网络时延的自相似性和混沌特性进行了实证研究和定量分析,揭示了网络时延具有自相似性和混沌特性。建立了网络时延的半马尔可夫模型,基于实测数据的统计分析给出了不同时延状态下的时延分布函数及状态转移矩阵。将包含半马尔可夫时延的网络化控制问题转化为具有模态不确定性及状态转移概率不确定性的马尔可夫跳变系统,并基于马尔可夫跳变理论,对之进行了稳定性分析,给出了稳定条件。基于小波分解与重构,运用RBF神经网络建立了网络时延的预测模型。基于时延的多步预测,研究了控制域自适应的网络化控制系统的预测控制方案,根据时延预测的结果自适应地调整控制域及前向通道网络传输的数据报所包含的控制信号的个数,在保证控制系统性能的前提下,可减少控制信号传输量,节约网络带宽资源,有利于网络性能的改善,实现控制效果与网络性能的综合优化。计算机网络拥塞控制算法应在高效性与易实现之间进行折中,在此背景下,PID型控制算法仍将是以后相当长时间内拥塞控制算法研究的主流。分析了当前普遍采用的Internet网络模型的不足,理论分析及仿真研究表明了网络模型改进的必要性。基于改进网络模型,研究了Internet(有线)网络PID拥塞控制器的综合问题,给出了PID拥塞控制器的完整稳定参数域,且该稳定条件是充要的,无保守性,对PID拥塞控制器参数的选取具有重要指导意义。通过无线网络接入Interne(t二者构成异构混合网络)将是网络发展的主流方向,关于上述混合网络的拥塞控制研究还很少。本文分别研究了混合网络的RED、PID及PI拥塞控制综合问题,并分别给出了以上叁种拥塞控制器的稳定参数域,建立了控制器参数与网络模型参数间的关系,对控制器参数的选取具有重要指导意义。
参考文献：
[1]. 广义预测拥塞控制算法及仿真研究[D]. 索东海. 大连理工大学. 2003
[2]. 主动队列管理的优化与预测控制算法设计[D]. 滕海涛. 大连理工大学. 2005
[3]. ATM广义预测控制的研究[D]. 闫芳. 大连海事大学. 2004
[4]. ATM网络的多节点拥塞控制算法研究[D]. 王俊伟. 大连理工大学. 2003
[5]. ATM网络离散事件仿真方法及预测拥塞算法设计[D]. 马吉荣. 大连理工大学. 2004
[6]. 基于神经网络的AQM算法研究[D]. 李治国. 大连理工大学. 2008
[7]. TCP/IP网络拥塞控制若干问题的研究[D]. 何凌. 东北大学. 2007
[8]. 网络拥塞控制中基于PID的AQM算法研究[D]. 李凤华. 吉林大学. 2008
[9]. 复杂网络化系统的分析与综合[D]. 王俊松. 天津大学. 2008
标签：电信技术论文; 自适应论文; 拥塞控制论文; 模型预测控制论文; 网络模型论文; 仿真软件论文; 优先级队列论文; 网络节点论文; 系统稳定性论文; 时延扩展论文; 算法论文; 流量控制论文; tcp协议论文; tcp论文;