AMFNN驱动的ATM网络拥塞预测与控制策略

本文主要探讨了"基于Additive-multiplicative模糊神经网的ATM网络拥塞控制"这一主题，发表于2004年的《控制与决策》杂志上。作者霍东海、李力和靳蕃来自西南交通大学计算机与通信工程学院，他们提出了一种新颖的拥塞控制策略，利用Additive-multiplicative模糊神经网络（AMFNN）来优化ATM网络的性能。 AMFNN是一种特殊的模糊神经网络结构，它结合了加法和乘法运算，使得网络能够处理非线性和不确定性问题，这在拥塞控制场景中尤为关键。在该方案中，AMFNN被用来预测即将到来的流量特性，通过分析这些预测值和当前缓冲区的队列信息，可以有效地判断网络是否会发生拥塞。当系统预测到即将出现拥塞时，控制器会及时向源端发送拥塞控制信号，促使信源适当地调整其传输速率，以此防止或减轻拥塞现象的发生。 这种方法的优点在于提高了网络的实时处理能力和资源利用率。实时预测机制使得网络能更快地响应变化，降低了突发流量对网络稳定性的影响。通过精确的流量预测和智能的控制策略，网络能更有效地分配带宽，确保服务质量，从而提升整体网络性能。 关键词包括ATM网络、模糊神经网络和拥塞控制，这些关键词突出了文章的核心技术领域和研究焦点。此外，文中还提到了信元丢失率（F信元丢失率），这是衡量网络性能的一个重要指标，反映了在网络拥塞情况下数据传输的可靠性和效率。 这篇论文在ATM网络拥塞控制领域引入了先进的人工智能技术，展示了如何通过AMFNN实现对网络状态的智能感知和动态调整，为网络优化管理提供了新的解决方案。其研究成果对于提高网络的稳定性和效率具有重要意义。