網(wǎng)絡(luò)擁塞控制中主動隊列管理及其公平性研究.pdf

1、隨著網(wǎng)絡(luò)用戶的增長和新業(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)流量的增長給路由節(jié)點造成了很大的負擔，使得Internet面臨不斷增加的丟包率和網(wǎng)絡(luò)延時，導致了越來越嚴重的網(wǎng)絡(luò)擁塞問題。 擁塞控制是保證網(wǎng)絡(luò)運行和魯棒性的關(guān)鍵，然而許多流在協(xié)議中缺少擁塞響應(yīng)機制，在競爭資源時會搶占更多的網(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)點的主動隊列管理（AQM）來解決網(wǎng)絡(luò)擁塞

2、和保證服務(wù)質(zhì)量。本文針對網(wǎng)絡(luò)中的穩(wěn)定性與公平性問題進行了研究，并對幾種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)元梯度學習的自適應(yīng)AQM算法NGL與基于單神經(jīng)元強化學習的自適應(yīng)AQM算法NRL。NGL算法采用梯度學習，算法簡單，易于實現(xiàn)；NRL算法是在梯度算法的基礎(chǔ)上給出的，采用強化學習，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)定性和對環(huán)境的適應(yīng)性。它們不依賴于對象的模型，對非線性，時變系統(tǒng)具有很

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