论文部分内容阅读
目前，互联网用户逐渐增多，网络业务流量也越来越复杂，持续增长的网络需求对网络的负载能力提出了非常严峻的挑战，因此网络拥塞问题变得日益严峻。网络拥塞控制对于网络系统的稳定性和公平性具有重要的意义，也是通信网络研究中非常重要的研究部分，同时它也是涉及网络通信、计算机科学以及自动化控制等学科的交叉研究课题。 主动队列管理算法（Active Queue Management）作为拥塞控制机制的有效补充，是目前网络拥塞控制研究的热点。拥塞控制是典型的反馈控制，因此，随着智能算法在控制理论方面研究的兴起，基于智能控制理论研究网络拥塞问题引起了广泛关注。传统的智能控制理论应用在主动队列管理算法中，存在队列长度波动明显，丢包率较大的问题，针对以上问题，本文着重研究和讨论了粒子群优化算法在主动队列管理算法中的应用，主要研究成果包括以下几个方面： 1.研究分析了主动队列管理算法中的随机早期检测算法，针对 RED算法存在的参数的敏感性较大，缺乏稳定性的问题，在其基础上分析设计了改进的 RED算法，并通过仿真实验验证了改进算法的优越性。 2.在分析基本粒子群优化算法的基础上，将粒子群进化公式分为自身因素和社会因素两个部分，分析各部分对粒子群进化速度和位置的影响，提出了一种改进的粒子群算法。鉴于经典的 PID控制参数整定的方法所涉及的系统，由于系统超调量大，调节时间长等缺点，将改进的粒子群算法应用于 PID控制器的参数整定和优化中。 3.针对改进的 PSO-PID控制器优化算法，将其运用在主动队列管理的随机早期检测算法当中，研究和设计了改进算法的流程，并通过仿真实验验证了改进算法的相关性能。