论文部分内容阅读
经过近三十年的发展网络已经深入人们的生活，成为全球信息流通和共享的重要媒介。然而随着因特网的迅速扩大、用户数量的爆发式增长、网络应用对网络资源的需求不断提高，网络拥塞现象也日趋严重。为了保障网络健康稳定发展，网络拥塞控制成为世界性研究课题。 近年来，国内外关于网络拥塞问题的研究成果很多，其中TCP/AQM拥塞控制机制凭借合理的工作机制及同当前广泛应用的网络协议兼容的特点，成为了网络拥塞控制领域的主要研究方向。然而，随着TCP/AQM机制的深入发展，TCP/AQM系统模型不精确、AQM算法参数敏感、实现复杂、在快速变化的网络中控制效果难以保障等问题日益凸显，成为了制约TCP/AQM拥塞控制机制发展的瓶颈。论文对TCP/AQM拥塞机制深入研究，从不同的角度、使用不同的方式提出适合实际网络应用的AQM算法，并尝试提高TCP/AQM系统模型的精确度。论文主要研究成果如下: (1)针对AQM算法参数敏感、实现复杂的问题，通过分析网络拥塞控制机制，建立了一个数据包到达率的预测模型，基于该模型提出了SFAQM算法。该算法实现简单，参数不敏感，更适于应用于实际网络。 (2)针对网络环境不断变化，在MGT流体流模型的基础上获得了一个形式简单的预测模型，结合动态矩阵控制理论，提出了DMCAQM算法。该算法在线调节参数，在环境变化的网络中有良好的控制效果。 (3)为了避免TCP/AQM模型不精确对AQM算法设计的影响，通过深入分析TCP/AQM系统的动态特性，提出一个新的预测模型，结合模型算法控制提出一种新的主动队列管理算法——MACAQM。与传统的AQM算法相比，该算法具有较好的鲁棒性，占用的资源更少的同时控制效果更好。 (4)针对TCP/AQM模型不精确问题，分析TCP/AQM工作机制，定义了拥塞控制的两个极端情景，分别对两个情景进行建模，然后对显式拥塞通知机制的影响、不同的拥塞程度对模型的选择、边界的相近度等问题进行分析，最后用数值仿真验证了新模型相比于传统模型更加精确。 (5)在新模型的基础上，结合预测控制和神经网络中Hebb学习的思想，提出一种新的AQM算法PHAQM。该算法在变化的网络中优势明显，仿真结果验证了其有效性。