網(wǎng)絡(luò)擁塞控制中主動(dòng)隊(duì)列管理及其公平性研究.pdf

1、隨著網(wǎng)絡(luò)用戶的增長(zhǎng)和新業(yè)務(wù)的不斷涌現(xiàn)，Internet已發(fā)展為傳送數(shù)據(jù)、語(yǔ)音、視頻等多媒體信息的綜合業(yè)務(wù)網(wǎng)絡(luò)。而數(shù)據(jù)流量的增長(zhǎng)給路由節(jié)點(diǎn)造成了很大的負(fù)擔(dān)，使得Internet面臨不斷增加的丟包率和網(wǎng)絡(luò)延時(shí)，導(dǎo)致了越來越嚴(yán)重的網(wǎng)絡(luò)擁塞問題。 擁塞控制是保證網(wǎng)絡(luò)運(yùn)行和魯棒性的關(guān)鍵，然而許多流在協(xié)議中缺少擁塞響應(yīng)機(jī)制，在競(jìng)爭(zhēng)資源時(shí)會(huì)搶占更多的網(wǎng)絡(luò)帶寬，造成了資源分配的不公平性。因此，寄希望中間節(jié)點(diǎn)的主動(dòng)隊(duì)列管理（AQM）來解決網(wǎng)絡(luò)擁塞

2、和保證服務(wù)質(zhì)量。本文針對(duì)網(wǎng)絡(luò)中的穩(wěn)定性與公平性問題進(jìn)行了研究，并對(duì)幾種AQM算法的缺陷給出了解決方案。 （1）分別研究了基于單神經(jīng)元梯度學(xué)習(xí)的自適應(yīng)AQM算法NGL與基于單神經(jīng)元強(qiáng)化學(xué)習(xí)的自適應(yīng)AQM算法NRL。NGL算法采用梯度學(xué)習(xí)，算法簡(jiǎn)單，易于實(shí)現(xiàn)；NRL算法是在梯度算法的基礎(chǔ)上給出的，采用強(qiáng)化學(xué)習(xí)，能夠根據(jù)網(wǎng)絡(luò)環(huán)境自適應(yīng)調(diào)整神經(jīng)元權(quán)值參數(shù)，具有較好的穩(wěn)定性和對(duì)環(huán)境的適應(yīng)性。它們不依賴于對(duì)象的模型，對(duì)非線性，時(shí)變系統(tǒng)具有很

3、強(qiáng)的自適應(yīng)性。 （2）針對(duì)CHOKe算法隊(duì)列的穩(wěn)定性問題，將CHOKe算法中流的鑒別機(jī)制與NRL算法相結(jié)合，給出了CHNRL算法；針對(duì)CHOKe算法在低負(fù)載時(shí)丟包率過大的問題，將輸入鏈路速率引入到算法中作為擁塞指示，并增加了一個(gè)啟動(dòng)門限值，給出了RDT-CHOKe算法。最后通過仿真驗(yàn)證了算法的有效性。 （3）針對(duì)CSFQ算法的丟包策略不適用于TCP流以及公平性能對(duì)緩存過于依賴的問題，給出了采用RED緩存管理策略改進(jìn)的CS