模糊控制的主动队列管理算法:快速响应网络拥塞

需积分: 0 1 下载量 144 浏览量 更新于2024-08-11 收藏 273KB PDF 举报
"基于模糊控制的主动队列管理算法 (2008年),作者:葛龙,万春方,孙金生,王执佳,发表于《南京理工大学学报(自然科学版)》2008年4月第2期,卷32。" 在现代计算机网络中,数据传输的效率和稳定性是关键问题,而主动队列管理(Active Queue Management, AQM)是解决这一问题的重要策略。AQM的主要目的是通过智能控制网络中的队列长度,预防并减轻网络拥塞,从而提高整体的网络性能。本文提出的基于模糊控制的AQM算法,正是针对网络模型的不确定性和参数的时变性而设计的。 传统的AQM算法如随机早期检测(Random Early Detection, RED)和比例积分(Proportional Integral, PI)控制算法,虽然能够一定程度上避免拥塞,但它们依赖于网络的精确数学模型,这在实际网络环境中往往难以实现。而模糊控制,作为非精确推理的一种方法,不需预先知道系统的精确模型,因此更适合处理这种不确定性。 葛龙等人提出的模糊控制AQM算法,主要依据两个关键指标:输入速率和队列长度的变化。输入速率反映了网络的实时负载,队列长度则反映了当前的拥塞状态。通过这两个参数的模糊化处理,算法能够更快速地感知网络拥塞,并做出相应的调度决策。模糊逻辑系统可以将这些模糊参数转换为控制指令,以调整发送速率或丢弃数据包,从而保持队列长度在一个理想的范围内。 在仿真对比中,该算法显示出了优于RED和PI算法的性能。它能够更快地使队列长度收敛到目标值,这意味着网络的响应时间更短,对拥塞的控制更加及时。此外,该算法的丢弃概率较低,这降低了数据包的丢失率,提高了服务质量(QoS)。低丢弃概率意味着用户在使用网络服务时,例如视频流或在线会议,会体验到更少的中断和延迟。 这篇论文提出的基于模糊控制的AQM算法,通过引入负载和队列因素,提高了网络拥塞的感知速度,并通过实验证明了其在减少丢弃概率和优化队列长度方面的优势。这一创新性的方法对于网络管理和优化具有重要的理论与实践价值,尤其是在动态、复杂和不可预测的网络环境中。