基于智能及鲁棒控制的主动队列管理算法的研究

发布时间：2021-04-29 06:45

　　网络信息时代的快速发展,促使着各种应用不断涌现。拥塞现象严重地影响着网络服务质量、有限资源利用率和网络实际运行性能。源端控制机制由于自身的局限性已经不能满足当前用户的需求,所以基于数据传输中间节点的链路算法加入到了网络拥塞控制方法中。AQM算法作为链路算法中处理拥塞问题最有效的机制,被各界研究学者所重视。为解决现有算法参数设置敏感、模型不匹配和抗扰动能力差等问题,本文在AQM控制器的研究中引入智能方法和鲁棒控制理论,提出了如下三种算法：（1）以往基于神经元PID的AQM机制,仅仅对神经元的加权系数进行一定算法修正,忽略了比例增益的取值影响。然而,比例增益是影响系统响应能力等性能的重要因子。针对此问题,本文提出了一种基于改进单神经元智能优化的AQM算法。首先建立了TCP/AQM模型,然后在有监督的Hebb算法调节加权系数的基础上,用最速下降法整定神经元PID的比例增益,最终实现控制器参数的智能优化。文中还给出了算法的稳定性分析。仿真显示与经典算法相比,有较快的响应速度。（2）针对动态多变的网络拥塞现象,为解决模型不匹配、状态时延等问题,本文提出了具有参数不确定项和时滞项模型的AQM算法。... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
目录
1 绪论
    1.1 引言
    1.2 国内外研究的现状
        1.2.1 源算法
        1.2.2 链路算法
    1.3 AQM研究的主要方法
        1.3.1 基于启发式的研究方法
        1.3.2 基于控制理论的研究方法
        1.3.3 基于优化理论的研究方法
        1.3.4 基于鲁棒理论的研究方法
    1.4 本文的结构
2 几种经典AQM算法及其仿真比较
    2.1 引言
    2.2 几种经典AQM算法
        2.2.1 RED算法
        2.2.2 ARED算法
        2.2.3 REM算法
        2.2.4 PI算法
    2.3 仿真实验
        2.3.1 队列的稳定性能
        2.3.2 平均丢包率的变化情况
        2.3.3 瞬时时延的变化情况
        2.3.4 其它相关性能比较
    2.4 本章小结
3 基于改进单神经元智能优化的AQM算法
    3.1 引言
    3.2 TCP/AQM模型
    3.3 基于改进单神经元的AQM控制器的设计
    3.4 稳定性分析
        3.4.1 加权系数学习算法的稳定性分析
        3.4.2 比例增益学习算法的稳定性分析
    3.5 仿真实验
        3.5.1 不同负载条件下的平均队列长度比较
        3.5.2 不同时延条件下的平均队列长度比较
        3.5.3 负载固定情况下的各个算法性能分析
        3.5.4 负载变化情况下的各个算法性能分析
        3.5.5 混合流共存情况下的各个算法性能分析
    3.6 本章小结
4 具有参数不确定项和时滞项模型的AQM算法
    4.1 引言
    4.2 TCP/AQM模型
    4.3 AQM控制器的设计
    4.4 仿真实验
        4.4.1 单瓶颈链路下的仿真分析
        4.4.2 多瓶颈链路下的仿真分析
    4.5 本章小结
5 具有时变时延的TCP流模型的离散AQM算法
    5.1 引言
    5.2 TCP/AQM模型
    5.3 AQM状态反馈控制器的设计
    5.4 仿真实验
        5.4.1 单瓶颈链路下的仿真分析
        5.4.2 多瓶颈链路下的仿真分析
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献



本文编号：3167052