非线性平滑算法改进的RED主动队列管理策略

"基于RED改进的主动队列管理算法 .pdf" 主动队列管理（AQM）是网络拥塞控制策略的重要组成部分，旨在提前避免拥塞并优化网络性能。传统的丢尾策略（DropTail）在队列满时才开始丢弃数据包，而AQM则在队列达到一定程度时就开始丢弃，以此向源头发送拥塞信号，从而更有效地管理网络流量。 随机早期检测（RED）算法是AQM的一种实现方式，通过监控队列的平均长度来判断网络状况。RED使用指数移动平均方法估计队列长度，并设置两个阈值min _T 和 max _T。当平均队列长度小于min _T时，数据包被正常接收；当超过max _T时，所有到达的数据包都会被丢弃，以此警告源主机减慢发送速率；在两者之间时，RED会随机丢弃一部分数据包，以减轻拥塞但又不完全阻止数据传输。 本文提出的改进方案是对RED的丢包率函数进行非线性平滑处理，以更好地控制平均队列长度。这种非线性平滑算法能够更精细地调整丢包率，适应网络状态的变化，从而提供更优秀的拥塞控制效果。此外，为了增强公平性，算法考虑了分组到达速率的影响，这意味着不同的数据流可能会受到不同的丢包处理，以确保各种流量的公平分享网络资源。 进一步地，作者引入灰色预测算法，该算法能根据历史数据预测未来的分组到达情况。结合速率预测，算法可以更准确地预估当前应采取的丢包策略，以优化网络性能，如减少丢包率、降低端到端时延和减小时延抖动。 仿真结果显示，这个改进的算法在上述性能指标上均有所提升，证明了其在实际网络环境中的有效性和优越性。对于现代网络来说，这样的改进对于处理多样性和突发性的流量具有重要意义，有助于提升整体网络的稳定性和效率。