检索结果-内蒙古大学图书馆

系统工程与电子技术 2008年第8期30卷 1557-1560页

作者：刘治章云王耀南广东工业大学自动化学院广东广州510006 湖南大学电气与信息学院湖南长沙410082

针对TCP传输过程中的典型时滞特性,提出了一种智能主动队列管理算法。该算法以自学习预估机制模型为核心来克服大时滞特征对网络稳定性能的影响,拥塞控制系统以两条信息通道分别实现模型补偿和预测控制功能。模型补偿通道采用了Smith预... 详细信息

针对TCP传输过程中的典型时滞特性,提出了一种智能主动队列管理算法。该算法以自学习预估机制模型为核心来克服大时滞特征对网络稳定性能的影响,拥塞控制系统以两条信息通道分别实现模型补偿和预测控制功能。模型补偿通道采用了Smith预估器实现对网络时滞特征的动态补偿,并进一步设计迭代进化算法实现对Smith预估模型未建模特征的估计过程。预测控制通道采用基于神经网络的PID智能丢弃算法,通过神经网络的学习预测功能自适应调整预测控制通道的控制行为。通过仿真研究表明了提出的控制方法显著提高了拥塞控制机制的稳定性能和自适应性能。

关键词：主动队列管理智能控制自适应控制

来源：评论

学校读者我要写书评

暂无评论

一种时滞网络自适应主动队列管理算法研究

引用

电子与信息学报 2006年第10期28卷 1940-1945页

作者：孙雁飞张顺颐王攀周雷石进南京邮电大学江苏省通信与网络技术工程研究中心南京210003 西安电子科技大学综合业务网国家重点实验室西安710071 南京大学计算机软件新技术国家重点实验室南京210093

主动队列管理(AQM)算法的自适应能力和克服滞后性不良影响的能力是该文研究的重点。在分析AQM采用传统PID存在的问题的基础上,提出了一种时滞网络的自适应主动队列管理(FAGPID)算法。由模糊控制器实现PID参数对动态网络环境的在线自适... 详细信息

主动队列管理(AQM)算法的自适应能力和克服滞后性不良影响的能力是该文研究的重点。在分析AQM采用传统PID存在的问题的基础上,提出了一种时滞网络的自适应主动队列管理(FAGPID)算法。由模糊控制器实现PID参数对动态网络环境的在线自适应调整;成功引入灰预测算法实现反馈数据的超前预测,补偿滞后。仿真对比AQM环境中FAGPID,传统PID以及基于模糊免疫PID(FIGPID)的算法,可知FAGPID相对于FIGPID复杂度低,但FAGPID与FIGPID性能相当,均能克服滞后的影响,能快速稳定地适应动态网络环境,收敛于期望队列长度,具有较小的丢包率,优于传统PID算法。

关键词：主动队列管理时滞网络模糊自适应 PID控制灰预测

来源：评论

学校读者我要写书评

暂无评论

基于量子粒子群优化的主动队列管理新算法

引用

仪器仪表学报 2009年第3期30卷 564-569页

作者：陆锦军王执铨李志权南通职业大学现代教育技术中心南通226007 南京理工大学自动化学院南京210094

本文推导了基于流体流理论的网络简化模型,基于该模型将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化,定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进... 详细信息

本文推导了基于流体流理论的网络简化模型,基于该模型将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化,定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中。仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于PI算法,也优于GA、SPSO算法的优化结果,超调量均小于4%,调节时间均小于4 s,稳态误差均小于两个数据包。

关键词：主动队列管理网络拥塞 PID控制量子粒子群优化

来源：评论

学校读者我要写书评

暂无评论

基于模型算法控制的主动队列管理算法

引用

控制与决策 2013年第10期28卷 1531-1535,1540页

作者：徐琴孙金生南京理工大学自动化学院南京210094

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.基于该模型,结合模型算法控制(MAC)提出一种新的主动队列管理算法(MACAQM),并给出了MACAQM的详细设计过程和参数选取的原则.大量不同网络环境的仿真实验表明了MACAQM算法的有效... 详细信息

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.基于该模型,结合模型算法控制(MAC)提出一种新的主动队列管理算法(MACAQM),并给出了MACAQM的详细设计过程和参数选取的原则.大量不同网络环境的仿真实验表明了MACAQM算法的有效性.与PI,RaQ和REM等算法相比较,MACAQM具有收敛速度快、队列抖动小的优点.同时,MACAQM的采样间隔相对较大,算法实现简单,所以计算量较小,占用的路由器资源也较少.

关键词：网络拥塞控制主动队列管理预测模型模型算法控制

来源：评论

学校读者我要写书评

暂无评论

抗DDoS攻击的主动队列管理算法

引用

软件学报 2011年第9期22卷 2182-2192页

作者：张长旺殷建平蔡志平刘新旺林加润朱明国防科学技术大学计算机学院湖南长沙410073

提出一种能够在DDoS(distributed denial-of-service)攻击下保证现有正常网络流量的弹性随机公平蓝色(resilient stochastic fair blue,简称RSFB)算法.RSFB算法根据数据流标记概率来识别良性数据流,并将识别出的良性数据流记录更新到一... 详细信息

提出一种能够在DDoS(distributed denial-of-service)攻击下保证现有正常网络流量的弹性随机公平蓝色(resilient stochastic fair blue,简称RSFB)算法.RSFB算法根据数据流标记概率来识别良性数据流,并将识别出的良性数据流记录更新到一个良性数据流队列(benign flow queue,简称BFQ)中.算法再根据BFQ中的良性数据流记录来保证良性数据流数据包的顺利传输.通过开展一系列实验,评估对比了RSFB算法和几个著名主动队列管理(active queue management,简称AQM)算法的抗DDoS攻击性能.实验结果表明,RSFB算法具有如下优点:1)具有高度的健壮性;2)能够在发生DDoS攻击时有效保证现有正常TCP数据流的吞吐率;3)抗DDoS攻击性能明显优于现有的主动队列管理算法.

关键词：主动队列管理分布式拒绝服务攻击随机公平蓝色算法

来源：评论

学校读者我要写书评

暂无评论

基于模型有效性评价的主动队列管理算法

引用

控制理论与应用 2019年第4期36卷 570-578页

作者：刘正飞孙金生胡斯乔南京理工大学自动化学院江苏南京210094

TCP/AQM系统是一多时滞回路耦合时变系统,源端传输控制协议(TCP)的拥塞控制机制也各不相同,因此其机理模型复杂.设计控制器所采用动态近似模型的参数变化范围很大,这对辨识算法提出了很高要求.本文先从模型误差分配方式这一新的角度对... 详细信息

TCP/AQM系统是一多时滞回路耦合时变系统,源端传输控制协议(TCP)的拥塞控制机制也各不相同,因此其机理模型复杂.设计控制器所采用动态近似模型的参数变化范围很大,这对辨识算法提出了很高要求.本文先从模型误差分配方式这一新的角度对经典辨识算法进行了分析.然后运用新分析框架,结合TCP/AQM系统特征和控制要求,设计了一种基于模型有效性评价机制的辨识算法.该辨识算法能够对控制系数进行自适应调节,满足了主动队列管理(AQM)算法的设计需求.仿真结果表明,基于模型有效性评价机制的AQM算法,能有效应对时滞和不确定性带来的负面影响.与潜在标准化AQM算法相比,新算法在保持低排队时延和高效链路利用率方面取得了更好的平衡.

关键词：主动队列管理拥塞控制模型有效性评价参数辨识

来源：评论

学校读者我要写书评

暂无评论

基于独立神经元的自适应主动队列管理算法

引用

数据采集与处理 2008年第6期23卷 706-712页

作者：张少博吴介一张飒兵东南大学CIMS中心南京210096

针对主动队列管理中PI(Proportional-integral)算法的不足,设计了一种基于独立神经元的自适应PI控制器INAPI(Independent neurons-based adaptive PI controller)。控制器利用神经网络理论中的神经元模型与学习算法,2个独立的神经元根... 详细信息

针对主动队列管理中PI(Proportional-integral)算法的不足,设计了一种基于独立神经元的自适应PI控制器INAPI(Independent neurons-based adaptive PI controller)。控制器利用神经网络理论中的神经元模型与学习算法,2个独立的神经元根据系统状态采用最速下降法在线调整PI控制器的控制参数,以适应动态变化的网络参数。仿真结果表明,INAPI的性能要优于使用固定控制参数的PI和FLC(Fuzzy logic controller)算法。

关键词：拥塞控制主动队列管理神经网络神经元

来源：评论

学校读者我要写书评

暂无评论

预测控制主动队列管理算法的设计与分析

引用

通信学报 2011年第9期32卷 68-76页

作者：王萍陈虹卢晓晖吉林大学控制科学与工程系吉林长春130025

针对Intemet时滞网络系统,提出了基于模型预测控制的主动队列管理算法MPAQM.首先考虑时滞系统的因果性来定义预测输出,然后根据拥塞控制的要求描述优化问题,求得路由器缓冲区的分组丢失率；另外分析给出保证闭环时滞系统稳定的充分条件... 详细信息

针对Intemet时滞网络系统,提出了基于模型预测控制的主动队列管理算法MPAQM.首先考虑时滞系统的因果性来定义预测输出,然后根据拥塞控制的要求描述优化问题,求得路由器缓冲区的分组丢失率；另外分析给出保证闭环时滞系统稳定的充分条件,为算法的参数调节提供理论指导,使得队列能快速、稳定地到达期望值.在单瓶颈和多瓶颈网络拓扑中,仿真分析结果显示MPAQM算法能快速收敛于队列长度的期望值,具有较小的分组丢失率.在抗干扰能力、稳定性和顽健性等方面,它明显优于RED、PI和SPI-RED等算法.

关键词：网络拥塞控制主动队列管理模型预测控制稳定性分析

来源：评论

学校读者我要写书评

暂无评论

公平和低时延的主动队列管理算法研究

引用

通信学报 2017年第5期38卷 199-206页

作者：苏成龙金光江先亮钮俊宁波大学信息科学与工程学院浙江宁波315211

因特网中时延敏感应用和高吞吐量应用的流行使路由器和交换机中的缓存越来越大,导致网络流量极易出现高时延和高抖动率。基于高带宽非响应流的移动应用的普及使网络瓶颈资源利用愈加失衡,整个网络的资源分配公平性难以得到保证。为了缓... 详细信息

因特网中时延敏感应用和高吞吐量应用的流行使路由器和交换机中的缓存越来越大,导致网络流量极易出现高时延和高抖动率。基于高带宽非响应流的移动应用的普及使网络瓶颈资源利用愈加失衡,整个网络的资源分配公平性难以得到保证。为了缓解这2个问题,从时延控制和抑制高带宽非响应流抢占资源的角度,基于Sample-Match、L-LRU缓存和按概率分组丢失机制,提出了兼顾公平和低时延的主动队列管理(FLDA)算法。实验结果表明,在高带宽非响应流的干扰下,FLDA能够较好地维持队列稳定性、瓶颈链路资源利用的公平性和低时延性。

关键词：主动队列管理公平性低时延队列稳定性高带宽非响应流

来源：评论

学校读者我要写书评

暂无评论

基于网络状态参数估计的主动队列管理PI改进算法

引用

计算机研究与发展 2009年第7期46卷 1086-1093页

作者：刘锋党小林徐桢北京航空航天大学电子信息工程学院北京100191

作为一种重要的主动队列管理手段,PI控制器算法通过积分器的引入有效地消除了队列长度控制的稳态误差,在提高网络吞吐的同时缩短了排队时延.但是PI控制器不能根据网络状态变化而自动调整控制参数,故当网络流量变化时PI控制器的收敛速度... 详细信息

作为一种重要的主动队列管理手段,PI控制器算法通过积分器的引入有效地消除了队列长度控制的稳态误差,在提高网络吞吐的同时缩短了排队时延.但是PI控制器不能根据网络状态变化而自动调整控制参数,故当网络流量变化时PI控制器的收敛速度很慢.基于TCP-AQM系统模型,对经过中间节点的活动连接数、平均往返时间和前向链路容量等3个参数进行估计.通过计算击中概率的倒数,估计出活动流数;通过计算单位时间的数据包数,估计出网络容量;通过往返时延、活动流数、网络容量以及丢包概率在稳态时的关系式,估算出平均往返时延.在此基础上,提出了对网络状态变化自适应调整控制参数改进的快速收敛PI算法——FCPI算法.仿真结果表明,该算法有效提高了算法的收敛速度,并且鲁棒性好,易于实现,适用于未来高速网络的路由器.

关键词：主动队列管理参数估计 PI控制器自适应控制拥塞控制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：