随着计算机网络的持续快速发展，各种网络应用需求不断涌现，造成网络数据流量的激增。网络拥塞问题变得越来越严重，网络拥塞控制也是目前网络研究的热点问题之一。本文基于控制理论的方法对主动队列管理(AQM)算法做了以下几方面的研究： (1)大时滞给网络性能带来不利影响，将Smith预估控制器和单神经元PID算法相结合，提出了一种基于Smith预估器的拥塞控制方法(Smith—PID)。利用Smith预估器补偿时间滞后，用单神经元PID算法设计控制器，并对其加权系数部分进行改进。通过仿真实验证明，该算法克服了时滞造成的队列的不稳定性，增强了系统的自学习、自适应能力。 (2)主动队列管理中的PID控制算法对网络参数变化敏感，队列在大时滞网络中出现较大振荡，导致瓶颈链路利用率下降和延时抖动加剧。本文采用改进的BP神经网络动态调整PID参数，通过NS2模拟表明，该算法具有更快的收敛速度和更小的队列抖动。 (3)随机早期检测(random early detection-—RED)主动队列管理算法存在参数设置困难、对负载变化敏感等问题，本文提出一种基于PID控制的RED算法；同时为了减少队列在minth及maxth附近的振荡，在PID算法中引入“死区”概念。仿真证明改进算法动态响应速度快，适应能力强。