随着信息化程度的日益提高,Internet技术已经与人们的生活息息相关。一方面网络用户的数量呈爆炸式的增长,另一方面出现了许多新业务如话音、图像等多媒体信息,并且实时多媒体流像电视会议、远程教学等也更加普遍。数据流的增加给网络带来的后果就是造成路由节点承担了很大的负担,势必对网络的服务质量造成了很大的影响,导致网络拥塞问题更加严重。AQM算法是目前解决拥塞问题的有效方法,本文在已有AQM算法的基础上,提出了稳定性与鲁棒性强的几种队列管理算法,所做的主要工作如下：(1)针对网络中存在负载数量和回路延时等不确定因素,提出了基于变结构控制的AQM算法,其中作为拥塞指示的切换函数是队列长度误差和输入速率与链路容量之差的线性组合,拥塞控制策略设计简单,易于实现,不依赖被控对象的模型,很好地解决了网络拥塞控制问题。用NS2网络仿真软件验证了VSC算法的性能,它不仅具有良好的队列稳定性和较小的队列延时,同时对网络环境的变化具有很强的鲁棒性。(2)针对变结构控制中存在的抖振问题,提出了两种基于智能变结构的AQM算法FVSC、NVSC,其中FVSC算法和NVSC算法根据拥塞的状况,分别采用模糊推理算法和单神经元梯度学习算法,自适应调节控制器中的参数,它们继承了VSC算法鲁棒性强的优点同时减弱了VSC算法的抖振。仿真实验表明FVSC算法与NVSC算法保留了VSC算法的良好性能,并且在相同网络环境下队列稳定性、队列延时优于VSC算法。(3)针对有些实际网络系统无法准确获得流体模型的问题,提出了基于自适应单神经元变结构控制的AQM算法ANVSC,它由切换控制和采用纠错学习算法的单神经元等价控制组成,不需要流体的精确数学模型就可以保证滑模面状态可达并具有较小的抖振,对负载数量和回路延时等不确定性具有很强的自适应性。仿真表明该算法在动静态的单瓶颈、多瓶颈链路和混合流的网络情景下都表现出很好的稳定性和鲁棒性。