论文部分内容阅读
随着互联网业务的不断增加，尤其现在的三网融合已经趋于实现，用户对于互联网的服务质量的要求越来越高。近年来，主动队列管理（AQM）已经成为了网络拥塞控制的热点问题。网络拥塞控制的目标是尽可能少的丢包率、尽可能低的时延、尽可能公平地分配带宽、尽可能低的网络抖动、尽可能大的吞吐量等。目前较多的AQM算法都存在着参数固定、不能实时调整的问题，导致对动态网络的适应性较低。本文主要研究基于神经网络的网络拥塞控制方法，提高拥塞控制的自适应性。首先，详细分析了传统的AQM算法机制，诸如RED算法、ARED算法、PI算法和PID算法，分析了它们各自的特点。在此基础上，应用BP神经网络的“逼近”特性，将队列长度和到达速率同时作为丢包率的参考对象，再与模糊控制相结合，提出了两种算法：RSPID算法和CNRPID算法，其中CNRPID算法还运用了CHOKe算法的“击中”理念。最后，利用NS2仿真软件对提出的两种算法和传统的AQM算法进行仿真分析，仿真结果表明提出的两种算法相比于传统的AQM算法具有更好的鲁棒性、收敛性以及稳定性。