一、几种主动队列管理拥塞控制算法的比较研究（论文文献综述）
张浩[1]（2021）在《下一代网络传输控制理论研究与应用》文中研究表明随着互联网技术的多元化发展,保障网络稳定传输显得尤为重要。网络提供的带宽资源是有限的,当网络持续处于高负载状态时会产生网络拥塞。轻度的网络拥塞会导致传输时延增加,降低了网络服务质量。重度的网络拥塞会导致网络性能快速下降,甚至会引起网络崩溃。拥塞控制是保障网络稳定传输的关键技术之一。拥塞控制算法可分为源端拥塞控制算法和链路拥塞控制算法。源端拥塞控制算法部署在用户终端系统中,用户终端向网络中注入数据,并依据接收端反馈的信息调节数据包的发送速率。链路拥塞控制算法部署在网络中间节点中,评估网络的拥塞状态并反馈给终端系统进行数据包发送速率调节。本文对部分拥塞控制算法进行了理论研究与性能评估,并提出了一种基于概要数据的拥塞控制算法。具体研究内容和成果如下:首先,本文对源端拥塞控制算法和链路拥塞控制算法进行了理论研究,分析了不同拥塞控制机制的优势和存在的问题。其次,本文在NS3网络仿真器中构建了多种仿真模型对拥塞控制算法进行性能评估。通过在客户端部署不同的TCP拥塞控制算法,并设置瓶颈链路,进行带宽资源抢占实验。仿真结果验证了不同源端拥塞控制算法维护的数据流在带宽资源占用方面存在公平性问题。当客户端部署相同TCP拥塞控制算法时,TCP流能够进行高带宽传输。本文也验证了缓冲区大小对TCP流的性能影响。另外,组合了TCP拥塞控制算法和主动队列管理算法进行仿真实验,仿真结果验证了组合算法能够提升了TCP流的吞吐量和稳定性。最后,本文提出了一种基于概要数据的主动队列管理算法,并阐述了Sketch-AQM算法的解决方案。在NS3网络仿真器中评估算法性能,评估指标包括吞吐量、公平性、丢包率和鲁棒性等,通过与现有的RED算法、Co Del算法和PIE算法进行对比分析,验证了基于概要数据的主动队列管理算法的有效性。通过构建大量的网络模型,验证了Sketch-AQM算法细粒度区分丢包策略的优异性能,该算法能够在不同网络环境中有效的提升链路的吞吐量和传输过程中的稳定性以及具备快速识别并缓解网络拥塞的能力。
黄程远[2]（2021）在《高动态网络中的网络拥塞管理》文中指出互联网已经成为全球不可或缺的基础设施,网络技术也吸引了越来越多工业界和学术界的关注。为了满足丰富多样的网络应用的需求,各种各样的新型网络技术,例如,新型网络硬件、新型网络应用部署模式、新型网络架构,不断被应用到了现有网络之中。但是,在现有的网络中不断融合新型网络技术也给网络带来了难以管理的高动态问题。伴随着互联网时代巨幅增长的网络流量,这些都给网络中的流量管理带来了巨大的挑战。所以,在复杂的高动态网络中提供可预测的传输性能,对网络中发生的网络拥塞进行高效管理就成为了关键。本文从不同视角对高动态网络的网络拥塞管理问题展开了研究,具体的研究成果如下:（1）设计了应用层感知的多径拥塞控制（MPTCP）算法。针对传统的多径拥塞控制算法缺乏对应用感知的能力,而导致无法针对不同应用需求进行适配优化的问题,本论文提出了一种基于深度强化学习（DRL）的MPTCP拥塞控制算法-Partner。只需要修改不同的奖励函数,即可使用一套神经网络后端对不同目标进行自优化,来最优化网络应用的性能。通过仿真结果表明,Partner可以使用一套统一的控制框架搭配不同的包调度程序,来充分满足不同应用的需求。（2）设计了基于模仿学习的MPTCP拥塞控制算法。针对简单基于神经网络的MPTCP拥塞控制算法会导致不公平和性能不可预测的问题,本论文设计了 一种基于模仿学习的MPTCP拥塞控制算法-IMCC,并且该方案还采用了主从备份式的拥塞控制框架来提供持续的稳定性能,该框架在熟悉的环境中模拟专家行为,而在和训练环境差异过大的实际环境中,则切换到备份的传统拥塞控制算法。通过仿真结果表明IMCC可以正确应对MPTCP带来的高动态特性,并在不同环境中实现了稳定的性能和良好的公平性。（3）设计了网络核心无状态的网络性能隔离方法。针对现有的公有云网络性能隔离方案无法兼顾可扩展性和高性能的问题,本论文设计了一种网络核心无状态的网络性能隔离方法-SLIT。该方法通过将数据包调度决策的智能移动到网络边缘的Hypervisor中,然后让网内交换机根据数据包携带的调度决策进行无状态的转发,达到了模拟理想的物理队列隔绝流量的效果。通过仿真和实验床结果表明,SLIT可以实现良好的带宽隔离,同时还具有快速收敛,提高带宽利用率以及对短流友好的优点。（4）设计了在软件定义网络（SDN）超低时延数据面更新中的拥塞管理方法。针对现有的SDN网络更新方案由于控制回路过长而无法适应超低时延的数据平面中流量快速变化的问题,本论文设计了一种基于底层流量估计的SDN网络更新方法-MDVP,该方法将在网络更新过程中每一步流量的变化考虑其中,利用流量自身的收敛特性估计在每一阶段的流速变化,避免了由于流量大小剧烈变化而引发的不可控的网络拥塞。通过仿真证明MDVP可以在更新速度和拥塞程度之间做灵活取舍,并且可以有效减小数据流的需求违背率。
石佳明[3]（2021）在《数据中心网络中高吞吐低延时拥塞控制方法》文中研究说明由于云服务对于流完成时间更加敏感,研究人员提出了很多拥塞控制机制来降低数据中心网络中的平均流完成时间。理论上,最短剩余时间优先调度策略可以实现最小的流完成时间。然而,现有的数据中心拥塞控制机制要么不能实现接近全局最优的最短剩余时间优先调度,要么难以实际部署。同时,数据中心中应用的快速发展导致其对端到端通信延迟的要求来到微秒级。因此,RDMA逐渐在数据中心网络中普及,以缓解传统软件协议栈处理速度慢造成的延迟。然而,现有的RDMA拥塞控制机制在同时实现高吞吐量和低时延方面远非最佳,部分方案还需要网络支持额外的功能。在本文中,我们分析了使用分布式传输控制协议实现接近全局最优最短剩余时间优先调度的挑战。然后提出了一种基于令牌的分布式数据中心拥塞控制机制Helm。Helm通过在接收端将动态优先级分配和基于流长的速率控制算法结合在一起,解决了这一挑战,可以在不修改交换机的情况下实现了接近全局最优的最短剩余时间优先调度。理论分析表明,Helm的性能接近于最短剩余时间优先调度。此外,大规模仿真实验结果表明,在数据中心网络中,与Homa等方案相比,Helm的平均和尾部流完成时间分别降低了 62%和75%。另外,我们研究发现数据中心网络中大多数拥塞发生在网络边缘。基于这个特征,我们提出了一种结合显式分配和迭代窗口调整的RDMA网络拥塞控制机制RCC。首先,我们提出了一种网络拥塞区分方法,将拥塞分为最后一跳拥塞和网内拥塞两种类型。然后,通过显式窗口分配机制来解决最后一跳拥塞,使发送端在一个RTT内收敛到合适的发送速率。对于网内拥塞,利用基于PID的迭代窗口调整方案,实现了快速收敛和接近零的排队时延。RCC不需要额外的网络功能支持,硬件实现开销小。实验结果表明,RCC的性能比ExpressPass、DCQCN、TIMELY和HPCC高出9～79%。
高楷[4]（2021）在《软件定义网络中的多路径传输机制研究》文中认为随着网络通信技术的快速发展,网络流量与终端数量呈现爆炸式增长,这些将给网络的数据传输服务带来巨大的压力与挑战。同时,现有网络架构的专有性和封闭性导致网络配置繁琐、效率低下,难以实现网络的智能管控与动态适配。近年来国内外诸多学者已开展了关于未来网络架构与传输协议的研究。软件定义网络作为未来网络的代表之一,其“控制与转发相分离”的设计特点保证了数据传输的可管可控,更灵活地支持网络资源的动态适配。此外,多路径传输协议充分利用网络设备多接口特性,通过多条路径传输数据,可有效提升网络吞吐量。因此,在软件定义网络中部署多路径传输协议将会提升网络的传输性能。然而,如何实现软件定义网络中高质量的多路传输服务仍然面临着诸多挑战:（1）现有多路径传输路径管理方法相对盲目、低效,终端侧和网络侧缺乏协作;（2）现有多路径传输数据调度中存在传输性能与价格开销之间的矛盾,无法在这两者之间做出平衡折衷;（3）现有多路径传输切换方法相对滞后、考虑的切换指标单一,难以根据切换过程中网络的实时变化进行主动性能补偿;（4）现有多路传输拥塞控制算法大多缺乏对实时网络应用数据新鲜程度的均衡考虑。针对以上挑战,本文重点从软件定义网络中多路径传输的路径管理、数据调度、移动切换与拥塞控制四个方面展开了深入研究,具体取得了如下成果:（1）设计了服务质量驱动的多路传输路径管理方法。构建了“网络侧-终端侧”联合优化的新型传输架构,在该架构下提出了基于SDN的拓扑收集与路径计算方法,子流数量优化方法,确定性路径分配方法,通过以上三种方法的相互协作,有效提升了网络吞吐量。（2）提出了随机优化的多路传输数据调度策略。该策略综合考虑了传输性能与价格开销,利用Lyapunov优化方法对该问题进行随机优化建模,制定相应的调度控制决策;此外,在网络侧,SDN控制器将网络的状态信息反馈至终端侧,这些信息能够辅助终端侧做出数据调度决策,实现了性能与开销的平衡折衷。（3）提出了博弈增强的多路传输补偿切换方法。设计了基于流模型的主动补偿切换方法,将吞吐量维持在稳定的状态;提出了基于SDN的最优候选候选接入点选择博弈方法,辅助终端侧做出最佳的切换决策,实现了对用户透明、无缝平滑的移动切换。（4）提出了信息年龄感知的多路传输拥塞控制算法。构建了全新的四元组多路传输模型,表征融合数据包级和数据流级的传输状态;在连接建立阶段,设计了面向SDN的信息年龄评估算法;在数据传输阶段,提出了基于流模型信息年龄感知的多路拥塞控制算法,满足了实时网络应用最新信息的更新需求。本文在软件定义网络中,以多路径传输机制为主线,通过构建“网络侧-终端侧”联合优化的新型传输架构,将SDN技术与多路径传输技术有机地结合起来,形成了一整套研究方案。本文所取得的成果与进展对我国新一代网络架构设计优化、数据传输服务的应用发展具有一定的借鉴意义。
柳莹[5]（2021）在《基于NPID的WSN节点拥塞控制方法研究》文中认为无线传感器网络的应用领域正在逐渐拓宽,很多学者对于无线传感器网络涉及到的关键技术也在不断地深入研究,拥塞控制就是其中主要的研究方向之一。在物联网技术的应用逐渐落地之后,海量的数据无时无刻都在产生,然而一味的增加网络资源却不能从根本上解决网络拥塞的问题,所以我们需要不断研究设计适用于无线传感器网络的拥塞控制机制。本文选择无线传感器网络节点级拥塞控制作为研究目标,通过分析各类算法的特点,选择了基于控制理论的AQM算法--NPID算法作为研究基础,NPID作为比较成熟的控制算法,具有控制目标明确、设计方法科学、鲁棒性好等优势,控制效果好,是对PID算法改进的一大步,但是通过对其原理进行剖析,我们可以发现NPID算法仍存在不足之处。一方面,本文针对NPID算法的单神经元固定增益问题,进行相应的改进,提出了基于模糊控制单神经元PID（FNPID）算法。由于模糊控制不依赖于控制对象模型,对不确定性的模型有很强的适应能力,所以本文将模糊控制引入,将队列长度误差e和误差变化率ec作为模糊控制器的输入,通过系统的实时反馈得到模糊控制器的输出——单神经元变化量△K,使单神经元的增益K可以得到实时调节,调整了算法对于节点施加控制的强度。通过NS2固定拓扑结构的仿真实验证明了算法的有效性,然后通过随机拓扑结构的仿真实验对算法的鲁棒性进行了验证,实验表明FNPID算法在保持节点队列长度、降低网络传输时延、降低丢包率、提高吞吐量等方面均有提升。另一方面,本文对NPID算法进行深入研究时,还发现对该算法性能存在影响的还有单神经元的学习速率η1、η2、η3以及PID控制器的初始参数Kp0、Ki0、Kd0的设置,利用现在新型的群智能算法的特点,应用蜻蜓算法对NPID算法参数实时寻优,提出了基于蜻蜓算法改进的NPID（DA-NPID）算法,通过对单神经元学习速率的实时调整达到对单神经元权值矫正的目的,避免单神经元算法产生局部优化的问题,由此得出的一组最优解,是最适合网络环境的参数,从而提升算法的性能。通过NS2进行仿真实验,验证了DA-NPID算法的有效性。
秦久人[6]（2021）在《移动流媒体多路传输关键技术研究》文中研究说明近年来,随着以5G为代表的移动互联通信技术的快速发展,以及智能手机、便携式电脑、可穿戴设备等硬件的快速普及,移动流媒体业务得到了长足发展。以网络课堂/会议、视频通话、即时游戏等为代表的移动流媒体应用,一方面极大的方便了人们的工作、生活,丰富了人们的娱乐方式,另一方面也带来了海量的即时数据传输需求。在移动网络环境下,由于用户移动性、无线信道干扰等因素的影响,传输层面临传输路径稳定性差,丢包率高等问题。传统以TCP为代表的单路径传输协议,难以适应复杂、多变的移动网络环境,传输速率受限于单一网络性能,且传输连接稳定性差,难以满足移动流媒体业务的传输需求。为了解决上述问题,以多路传输控制协议（Multipath Transmission Control Protocol,MPTCP）为代表的多路传输协议得到了国内外专家学者的广泛关注。MPTCP能够利用通信终端的多个网络接口（Wi-Fi,4G/5G等）在一个传输连接中建立多条子流。相较于单路径,多条子流并行传输能够有效的利用不同网络中的空闲带宽提高系统吞吐量,降低传输时延。尽管拥有上述优势,在面向移动流媒体业务时,MPTCP仍存在如下问题:（1）调度策略低效。MPTCP采用基于最短往返时延的数据分发策略,并在数据包传输失败后进行无差别的重传,在异构环境下,容易导致数据包乱序,增加传输延迟;（2）拥塞控制僵化。MPTCP采用固定的窗口调整策略,无法针对多样的输入流进行调整,导致传输效率低下;（3）网络感知匮乏。MPTCP难以感知网络环境对传输的影响,导致传输决策盲目、低效;（4）能耗管理缺失。由于移动终端的能量受限,而MPTCP缺乏能量管理机制,导致移动终端使用寿命下降,影响用户使用体验。因此,本文重点从动态数据调度、智能拥塞控制、网络环境感知、能量效率平衡等方面进行突破,并取得了如下成果:（1）针对调度策略低效问题,提出了部分可靠的多路虚拟队列调度机制。首先构建了虚拟队列模型,打破传统发送窗口约束,最大程度上保证数据包的按序到达。而后设计了面向消息的部分可靠重传算法,避免了无效重传。仿真实验结果显示,在不同网络参数下,所提方案能有效地减少数据包乱序概率,降低数据包交付时延。（2）针对拥塞控制僵化问题,设计了输入特征分析的多路智能拥塞控制机制。首先,在频域上对数据流的特征进行提取。在此基础上,利用增强学习理论对多路拥塞控制进行建模,根据网络环境及输入流动态调整控制策略。仿真实验结果表明,所提方案能够以较小的时延代价获得较高的吞吐量提升,性能优于同期解决方案。（3）针对网络感知匮乏的问题,提出了子流耦合感知的多路自适应传输方案。首先,通过提取子流耦合特征与拥塞特征,从空间与时间上对网络环境对传输的影响进行量化。而后,基于深度Q网络方法,对多路传输策略进行训练。仿真结果显示,在多种传输场景下,所提方案都能获得优于对比方案的系统吞吐量与时延。（4）针对能耗管理缺失问题,设计了能效均衡的多路传输优化算法。首先,通过设计传输效用模型,对影响传输性能的带宽、时延、能耗等问题进行综合分析。而后,通过Q-Learning方法,在兼顾传输效率的基础上对传输能耗进行优化。仿真实验结果表明,所提算法能够在保证传输吞吐量与时延性能相似的前提下,实现传输能耗的降低。本文面向移动网络环境下的流媒体多路传输,对调度、拥塞、网络、能耗等问题进行了分析。并利用统计分析、数学建模、人工智能、实验测试等方法对相关问题进行了解决。本文的研究成果能够为我国未来移动流体业务的发展提供一定的技术支撑。
赵宇红[7]（2019）在《复杂网络智能拥塞控制研究》文中进行了进一步梳理面向复杂、多样、异构的网络,稳定、高效、智能的拥塞控制的研究是一个重要且具有挑战性的课题。论文在大系统控制论的指导下,结合智能建模方法,研究并构建了“基于多重广义算子的复杂网络”模型,进而,以多重广义算子模型为基础,以分解-联合模式,从横向及纵向、多粒度、多角度展开了复杂网络智能拥塞控制研究的科研工作。论文的主要研究工作:网络技术的发展、应用的深入、用户的普及多方面不断的融合促进,带来了多元、异构、混合的复杂网络时代。复杂网络的复杂概括了网络在技术、结构、数据等多方面的特性,我们从两种代表性的复杂网络系统,端到端系统及非端到端系统展开了关于智能拥塞控制的研究。网络作为一个复杂的大系统,拥塞控制的研究无论是在网络源端、链路还是在自主移动节点的路由策略方面的工作,都不是一个独立自治的过程,各对象、各过程之间应该是一个协作的整体,达到协同智能、控制优化的目标。论文的主要研究内容和创新点如下:（1）研究了多重广义算子模型的建模方法,定义了“多层广义算子复杂网络模型”的概念,根据大系统控制论的“广义模型化”的思想,基于“多重广义算子建模方法”,论述了复杂网络广义算子模型构建的约束条件,给出了复杂网络多重广义算子模型的架构。为解决模型构建中的随机性与模糊性,借鉴“云模型”的思想和方法,提出了基于云模型的模型评价方法,应用于Internet建模评价中,并给出了具体的评价过程,验证了方法的有效性及合理性。（2）分析讨论了现有TCP源端拥塞控制算法在高误码率、低带宽、非对称链路、长时延的混合异构复杂网络中,面临的挑战和性能下降的问题,深入分析算法在参数及负载的敏感性、未区分拥塞程度和丢包类型等局限性问题,提出基于带宽预估自适应源端拥塞控制方法,算法针对不同网络状况能够对链路带宽及其波动性进行较为实时和准确的估计,实现了网络传输中对于丢包、延迟和拥塞控制参数等关键指标一定程度上的解耦;通过反映网络拥塞状态的带宽利用率因子细化了控制方案,实时有效、适度地进行网络拥塞控制。实验结果表明,该方法能针对不同网络状况进行实时拥塞控制,吞吐量、丢包容忍和延迟等相比已有的拥塞控制算法有显着提升。（3）讨论了链路级拥塞控制的重要性,并针对传统的链路控制算法RED中队列长度与丢包设置的线性增长关系所造成的性能不稳定问题,以及算法变量参数的优化问题,提出了基于隶属云理论的非线性链路拥塞控制算法,利用半升云隶属模型,重点解决了丢包率函数非线性处理和参数自适应动态设定问题。仿真对比实验结果表明,算法在丢包率、平均队列长度、时延抖动、吞吐量方面的性能均有比较好的表现,而且对RED算法存在的全局同步现象也有一定的改善。（4）不存在完整链路的复杂网络系统的应用与关注正在不断地扩展,以机会网络为典型的研究对象,从路由策略设计的角度研究其拥塞控制算法。结合深度学习模型进行社会属性挖掘,借鉴和扩展社会网络的研究成果,基于社会感知,将节点的社会属性及社会关联引入到路由决策中,提出了基于节点关系和社区协作的机会网络路由算法,算法不仅结合了节点的社会属性并充分考虑了社会性的动态演化特征,根据节点间的社会关系强度动态自适应地将节点分割为多个社区,以节点社会属性与社区间协作共同完成机会路由转发。仿真结果表明,算法能够有效提高消息的投递率,降低网络的转发时延,减小网络资源的耗费。
耿传鑫[8]（2019）在《基于自相似流量预测的AOS拥塞控制技术研究》文中认为随着空间网络流量急剧增加,网络体系结构日趋复杂,网络拥塞问题日益严重,而拥塞的发生会导致网络业务流量的丢失与实时性变差等问题,甚至导致网络瘫痪,这对提升网络服务质量以及合理分配网络资源增添了新的复杂性。同时,大量的研究表明,网络流量呈现自相似特性,这为研究网络拥塞控制提供了新的思想,即可将自相似流量的可预测性引入网络的拥塞控制的研究中,以期得到更有效的控制策略。本文主要对基于自相似流量预测的AOS（Advanced Orbiting System）拥塞控制技术进行研究,以实现对网络拥塞的有效控制。本文研究的主要内容有:首先,研究了网络流量的拥塞控制算法、流量的自相似特性以及AOS多路复用模型,提出了一种新的自相似流量下的AOS拥塞控制算法。该算法在AOS多路复用模型基础上增加了队列管理模块,在该模块中设计了一种新的改进队列管理算法,通过检测流量的平均队列长度,以相应的丢弃策略来控制系统的拥塞。随后通过仿真验证了该算法对系统性能的提升有着显着的作用。其次,研究了自相似流量的预测方法。本文采用的是统计预测模型,它是利用统计学的方法对流量做相关处理,其计算过程相对简单易于实现。在此基础上研究了线性最小平均平方误差估计（Linear Minimum Mean Square Error,LMMSE）预测算法,修正了该算法中存在的问题,并仿真验证了修改后算法的正确性。最后,研究了基于自相似流量预测的AOS拥塞控制算法。将预测得到的流量引入AOS多路复用模型,把修正后的LMMSE统计预测算法与队列管理算法进行结合,设计了一种基于自相似流量预测的AOS拥塞控制算法。理论分析与仿真结果表明,该算法在拥塞控制方面性能突出,尤其在改善系统平均时延以及最大时延等指标上有着明显的效果,同时大幅度的减少了系统剩余量。该算法可以为工程实践提供理论支持。
王方红[9]（2013）在《基于主动队列管理的网络拥塞控制算法研究》文中研究说明社会的各个领域已经离不开计算机网络，由于使用互联网人数的急剧增加导致了网络拥塞这一问题日益突出，这严重影响了网络的稳定性，因此网络通信中流量控制这一问题开始越来越受人们关注。网络服务的质量以及网络的稳定性如何能够得到有效保障，拥塞控制机制在这方面发挥了相当重要的作用，它主要包括基于路由的主动队列管理以及基于端到端的传输控制协议两部分。在路由端部署的AQM控制机制可以主动的缓解甚至避免网络拥塞，并且有降低队列排队时延、减少丢包率和提高链路利用率的优势。不过大量研究显示，AQM算法在混杂流量和动态突变的网络场景中，有链路利用率低下、队列性能不够稳定和参数配置困难等缺陷，因此受到了产业界以及学术界的广泛关注。针对这些情况该论文对AQM算法进行了详细研究。一开始基于Linux系统搭建了一个NS2平台，它主要采用C++和OTCL两种语言混编模式，可模拟仿真不同规模网络算法的性能，其结果较贴近实际效果。然后设计一个基于“流粒度”的AQM算法框架；再者，在此基础上，提出一种基于流量感知的多虚拟队列AQM算法（VFQ算法）。VFQ算法创新点主要是引入“流粒度”思想，区分和维护每个经过瓶颈路由的业务流信息；为UDP/TCP流分别构造两个逻辑上独立的VFQ虚拟队列，并对它们使用不一样的拥塞控制策略；然后凭借活动流感知器所反馈的UDP流及TCP流负载信息，自动的调控两个虚拟队列的相对大小。该论文在NS2平台上对VFQ算法进行了大量的仿真，与ARED算法、PI算法以及Blue算法等几种典型AQM算法进行仿真对比，并对VFQ算法性能进行分析，从而验证新算法是否可操作性及其有效性。仿真结果表明：面对负载动态变化时，相对这几种算法，VFQ算法拥有迅速的收敛速度及其高效的拥塞队列处理能力，说明了VFQ算法可以很好的应付网络的拥塞。
张丽丽[10]（2013）在《战术网络拥塞控制技术研究》文中提出随着网络规模的增大以及网络结构的日趋复杂，特别是现代战场上作战单元节点数目的大幅增加，信息量的迅猛增长，使得拥塞问题成为制约战术网络有效传输信息的瓶颈。源端的拥塞算法已经不能满足需要，由于拥塞的直接发生地主要在路由器上，因此研究路由器上的拥塞控制策略具有更大的实际意义。本文分析了现有的主动队列管理（AQM）算法，针对战术网络的特点，研究了战术网络的主动队列管理算法。论文的主要工作如下：首先分析了战术网络拥塞产生的原因以及现有的拥塞控制策略，对在流体理论基础上建立的TCP窗口非线性模型进行线性化，得到战术网络拥塞控制模型，将现有的经典主动队列管理算法RED、REM和PI算法用于战术网络拥塞控制，通过仿真分析对比了这些算法的性能。其次，针对RED、REM和PI算法中存在的不足，将智能算法引入到主动队列管理算法中，改进了单神经元PID拥塞控制算法，结合无需辨识的自适应算法，动态地调整增益系数K；另外，为了进一步提高控制器品质，加入调整因子在线调整神经元权值的学习率。然后，进一步将模糊控制理论应用到控制器设计中，选择传输速率与队列长度作为拥塞动态系统的关键变量，以传输速率误差和队列长度误差作为输入设计了模糊控制器，并且结合模糊控制在算法收敛速度方面的优势，和PI控制算法在系统稳定性方面的优势结合设计了双模控制器。最后，针对战术网络系统存在非线性环节的问题，不再线性化TCP窗口的非线性模型，直接针对原有的非线性模型引入滑模控制方法，分别设计了战术有线网络和无线网络的滑模拥塞控制器。另外，考虑到战术Ad hoc网络节点的移动性导致网络动态拓扑的变化，可能会引起非拥塞造成的丢包，而影响战术网络的性能，这里将其考虑成控制对象的输入干扰，并设计了干扰观测器，增强了网络拥塞控制的鲁棒性。
二、几种主动队列管理拥塞控制算法的比较研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、几种主动队列管理拥塞控制算法的比较研究（论文提纲范文）
（1）下一代网络传输控制理论研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 网络拥塞控制研究现状 |
| 1.2.1 源端拥塞控制算法研究现状 |
| 1.2.2 链路拥塞控制算法研究现状 |
| 1.3 本文的主要工作和组织结构 |
| 1.3.1 主要工作和研究目标 |
| 1.3.2 论文的组织结构 |
| 第二章 相关研究分析 |
| 2.1 网络拥塞及控制方式 |
| 2.2 源端拥塞控制算法 |
| 2.2.1 基于丢包的源端拥塞控制算法 |
| 2.2.2 基于时延的源端拥塞控制算法 |
| 2.2.3 源端拥塞控制算法存在的问题 |
| 2.3 链路拥塞控制算法 |
| 2.3.1 被动队列管理算法 |
| 2.3.2 主动队列管理算法 |
| 2.3.3 链路拥塞控制算法存在的问题 |
| 2.4 本章小结 |
| 第三章 基于NS3的拥塞控制算法性能评估 |
| 3.1 研究目标与实现方式 |
| 3.1.1 TCP-BBR自反馈机制 |
| 3.2 仿真实验设计 |
| 3.2.1 仿真工具NS3 |
| 3.2.2 可视化功能实现 |
| 3.2.3 仿真场景建模 |
| 3.3 实验结果分析 |
| 3.3.1 吞吐量分析 |
| 3.3.2 公平性分析 |
| 3.3.3 时延分析 |
| 3.3.4 组合算法性能分析 |
| 3.4 本章小结 |
| 第四章 基于概要数据的主动队列管理算法 |
| 4.1 研究目标与实现方式 |
| 4.1.1 概要数据结构 |
| 4.2 基于概要数据的主动队列管理算法 |
| 4.3 仿真实验设计 |
| 4.3.1 模块扩充实现 |
| 4.3.2 仿真场景建模 |
| 4.3.3 参数设置 |
| 4.4 实验结果分析 |
| 4.4.1 吞吐量分析 |
| 4.4.2 鲁棒性分析 |
| 4.4.3 公平性分析 |
| 4.4.4 丢包率分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间申请的专利 |
| 附录4 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（2）高动态网络中的网络拥塞管理（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 网络硬件冗余引入的网络动态 |
| 1.1.2 公有云中引入的网络动态 |
| 1.1.3 SDN中引入的网络动态 |
| 1.2 研究问题 |
| 1.2.1 MPTCP协议缺乏对应用层的感知能力 |
| 1.2.2 MPTCP无法灵活处理复杂的网络环境 |
| 1.2.3 公有云网络中不可预测的网络性能 |
| 1.2.4 SDN网络配置变化引入的不可控的网络拥塞 |
| 1.3 网络拥塞管理的研究现状 |
| 1.4 论文的研究内容 |
| 1.5 论文的结构安排 |
| 第二章 背景知识和相关工作 |
| 2.1 MPTCP拥塞控制算法 |
| 2.2 公有云网络中的网络性能隔离 |
| 2.3 SDN网络更新方法 |
| 2.4 本章总结 |
| 第三章 应用层感知的MPTCP拥塞控制算法 |
| 3.1 概述 |
| 3.2 Partner的设计动机 |
| 3.2.1 过度膨胀的资源池导致不正确的调度决策 |
| 3.2.2 过度缩小的资源池限制了调度决策 |
| 3.3 Partner的设计 |
| 3.3.1 Partner中的组件介绍 |
| 3.3.2 Reward函数设计 |
| 3.3.3 其他的设计细节 |
| 3.4 实验评估 |
| 3.4.1 参数的选择 |
| 3.4.2 实验的结果与分析 |
| 3.5 本章总结 |
| 第四章 基于模仿学习的MPTCP拥塞控制算法 |
| 4.1 概述 |
| 4.2 IMCC的设计动机 |
| 4.2.1 不稳定的性能波动 |
| 4.2.2 严重的不公平问题 |
| 4.3 IMCC的设计 |
| 4.3.1 IMCC的设计概览 |
| 4.3.2 通过LSTM来应对动态变化的子流数量 |
| 4.3.3 通过模仿学习来自动产生奖励值函数 |
| 4.3.4 IMCC的部署模式 |
| 4.4 实验评估 |
| 4.4.1 IMCC能正确处理子流数量变化 |
| 4.4.2 IMCC达到了流级别的公平性 |
| 4.4.3 IMCC提供持续性的稳定性能 |
| 4.5 本章总结 |
| 第五章 网络核心无状态的网络性能隔离方法 |
| 5.1 概述 |
| 5.2 SLIT的设计动机和相关知识 |
| 5.2.1 WFQ队列调度机制 |
| 5.2.2 分布式的VM级别的WFQ队列 |
| 5.2.3 在VM之间的长期的不公平现象 |
| 5.2.4 不公平现象的举例 |
| 5.3 SLIT的设计 |
| 5.3.1 设计概述 |
| 5.3.2 系统框架 |
| 5.3.3 设计细节 |
| 5.4 实验与评估 |
| 5.4.1 基本功能 |
| 5.4.2 在应对动态流量时的性能 |
| 5.4.3 大规模的仿真实验 |
| 5.5 本章总结 |
| 第六章 SDN超低时延数据面更新中的拥塞管理方法 |
| 6.1 概述 |
| 6.2 设计动机和基本概念 |
| 6.2.1 网络模型 |
| 6.2.2 数据流分类 |
| 6.2.3 典型例子 |
| 6.3 设计细节 |
| 6.3.1 问题的建模 |
| 6.3.2 将约束条件转化为线性条件 |
| 6.3.3 困难度分析 |
| 6.3.4 启发式的算法 |
| 6.4 实验评估 |
| 6.4.1 实验设置 |
| 6.4.2 性能评估 |
| 6.5 本章总结 |
| 第七章 总结与展望 |
| 7.1 论文的工作总结 |
| 7.2 后续的研究展望 |
| 参考文献 |
| 附录A 缩略语表 |
| 致谢 |
| 攻读博士期间发表的学术论文和专利 |
（3）数据中心网络中高吞吐低延时拥塞控制方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容和贡献 |
| 1.3.1 研究内容 |
| 1.3.2 研究目标和贡献 |
| 1.4 论文结构安排 |
| 第二章 相关技术介绍 |
| 2.1 数据中心网络 |
| 2.1.1 拓扑架构 |
| 2.1.2 流量特征 |
| 2.2 RoCE网络技术 |
| 2.3 传输控制方法 |
| 2.4 本章小结 |
| 第三章 基于令牌调度的拥塞控制算法 |
| 3.1 引言 |
| 3.2 背景 |
| 3.2.1 相关工作 |
| 3.2.2 调度策略比较 |
| 3.2.3 研究动机 |
| 3.3 挑战和基本思想 |
| 3.3.1 挑战 |
| 3.3.2 基本思想 |
| 3.4 系统设计 |
| 3.4.1 Helm框架 |
| 3.4.2 优先级分配算法 |
| 3.4.3 速率控制算法 |
| 3.5 理论分析 |
| 3.6 性能评估 |
| 3.6.1 实验设置 |
| 3.6.2 实验结果 |
| 3.7 本章小结 |
| 第四章 基于接收端驱动的RDMA网络拥塞控制算法 |
| 4.1 引言 |
| 4.2 背景 |
| 4.2.1 以太网中的RDMA |
| 4.2.2 RDMA网络拥塞控制解决方案 |
| 4.2.3 大部分拥塞发生在网络边缘 |
| 4.2.4 简要总结 |
| 4.3 系统设计与实现 |
| 4.3.1 基本理念和挑战 |
| 4.3.2 系统框架 |
| 4.3.3 拥塞类型区分 |
| 4.3.4 显式窗口分配 |
| 4.3.5 基于PID的拥塞控制 |
| 4.3.6 RCC的参数以及硬件开销 |
| 4.4 理论分析 |
| 4.5 性能评估 |
| 4.5.1 实验设置 |
| 4.5.2 小型基准测试 |
| 4.5.3 DPDK硬件实验 |
| 4.5.4 大规模网络仿真实验 |
| 4.5.5 深入分析RCC算法 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文主要工作与总结 |
| 5.2 进一步工作 |
| 参考文献 |
| 附录 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）软件定义网络中的多路径传输机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 软件定义网络中的多路径传输机制研究现状分析 |
| 2.1 多路径传输控制协议与软件定义网络 |
| 2.1.1 多路径传输控制协议的基本设计 |
| 2.1.2 软件定义网络的关键技术 |
| 2.2 软件定义网络中的多路径传输技术 |
| 2.2.1 路径管理方法 |
| 2.2.2 数据调度策略 |
| 2.2.3 移动切换机制 |
| 2.2.4 拥塞控制算法 |
| 2.3 本章小结 |
| 第三章 服务质量驱动的多路传输路径管理方法 |
| 3.1 本章引言 |
| 3.2 网络侧与终端侧联合优化系统架构 |
| 3.3 基于SDN的网络拓扑收集和路径计算方法 |
| 3.4 服务质量感知的多路径子流数量优化算法 |
| 3.5 SDN集中管控的确定性路径分配策略 |
| 3.6 仿真实验与性能评估 |
| 3.6.1 实验平台设置 |
| 3.6.2 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 随机优化的多路传输数据调度策略 |
| 4.1 本章引言 |
| 4.2 随机优化的多路传输系统模型 |
| 4.2.1 数据调度框架设计 |
| 4.2.2 传输队列模型构建 |
| 4.3 面向SDN的传输性能与价格开销折衷模型 |
| 4.4 随机优化的多路传输数据调度算法 |
| 4.4.1 问题求解与数据包分配决策 |
| 4.4.2 数据传输与价格开销分析 |
| 4.5 仿真实验与性能评估 |
| 4.5.1 实验环境与参数设置 |
| 4.5.2 实验评估结果与分析 |
| 4.6 本章小结 |
| 第五章 博弈增强的多路传输补偿切换方法 |
| 5.1 本章引言 |
| 5.2 多路补偿传输系统架构 |
| 5.3 信号强度精确评估模型 |
| 5.4 基于流模型的主动补偿切换方法 |
| 5.5 基于SDN的最优候选RSU选择博弈方法 |
| 5.5.1 候选RSU选择博弈模型 |
| 5.5.2 切换选择策略与博弈性能分析 |
| 5.6 仿真实验与性能评估 |
| 5.6.1 多路主动补偿切换算法的性能分析 |
| 5.6.2 最优候选RSU选择博弈方法的性能分析 |
| 5.7 本章小结 |
| 第六章 信息年龄感知的多路传输拥塞控制算法 |
| 6.1 本章引言 |
| 6.2 信息年龄感知的传输系统模型 |
| 6.3 面向SDN的信息年龄评估算法 |
| 6.4 多路传输的信息年龄设计与定义 |
| 6.5 基于流模型信息年龄感知的多路拥塞控制算法 |
| 6.6 仿真实验与性能评估 |
| 6.6.1 连接建立阶段的性能分析 |
| 6.6.2 数据传输阶段的性能分析 |
| 6.7 本章小结 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间参与的科研项目 |
（5）基于NPID的WSN节点拥塞控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容及安排 |
| 第2章 相关技术概述 |
| 2.1 无线传感器网络概述 |
| 2.1.1 无线传感器网络的基本概念 |
| 2.1.2 无线传感器网络的特点及关键技术 |
| 2.1.3 无线传感器网络的应用 |
| 2.2 网络拥塞与控制概念 |
| 2.2.1 网络拥塞分析 |
| 2.2.2 无线传感器网络拥塞类型 |
| 2.2.3 无线传感器网络拥塞控制组成部分 |
| 2.3 网络拥塞控制策略 |
| 2.3.1 随机早期检测算法 |
| 2.3.2 自适应虚拟队列算法 |
| 2.3.3 PID算法 |
| 2.4 NS2 仿真软件 |
| 2.5 本章小结 |
| 第3章 基于模糊控制NPID的主动队列管理方法 |
| 3.1 NPID算法分析 |
| 3.2 FNPID算法设计 |
| 3.2.1 模糊化 |
| 3.2.2 模糊规则 |
| 3.2.3 反模糊化 |
| 3.3 FNPID算法仿真研究 |
| 3.3.1 测试性能指标 |
| 3.3.2 实验环境和参数设置 |
| 3.3.3 仿真结果及分析 |
| 3.4 FNPID算法鲁棒性验证 |
| 3.5 本章小结 |
| 第4章 基于DA改进的NPID拥塞控制算法 |
| 4.1 DA-NPID算法提出背景 |
| 4.2 DA-NPID算法设计 |
| 4.2.1 蜻蜓算法原理概述 |
| 4.2.2 基于蜻蜓算法改进的NPID算法设计 |
| 4.3 实验仿真及分析 |
| 4.3.1 固定网络拓扑 |
| 4.3.2 随机网络拓扑 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及取得科研成果 |
| 致谢 |
（6）移动流媒体多路传输关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本文主要缩略语 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 相关工作综述 |
| 2.1 移动网络下的流媒体业务 |
| 2.2 移动流媒体单路传输技术 |
| 2.3 移动流媒体多路传输技术 |
| 2.4 本章小结 |
| 第三章 部分可靠的多路虚拟队列调度机制 |
| 3.1 本章引言 |
| 3.2 延迟预测的多路虚拟队列分发 |
| 3.2.1 传输丢包分析模型 |
| 3.2.2 基于混沌理论的到达预测 |
| 3.2.3 多路虚拟队列分发 |
| 3.3 面向消息的部分可靠重传算法 |
| 3.3.1 MPTCP部分可靠协议扩展 |
| 3.3.2 面向消息的重传算法 |
| 3.4 仿真实验 |
| 3.4.1 FD-MVQS性能验证 |
| 3.4.2 MO-PR性能验证 |
| 3.5 本章小结 |
| 第四章 输入特征分析的多路智能拥塞控制机制 |
| 4.1 本章引言 |
| 4.2 系统设计 |
| 4.3 RL-PSD算法 |
| 4.3.1 输入流功率谱密度分析 |
| 4.3.2 多路传输状态分析 |
| 4.3.3 拥塞控制动作定义 |
| 4.3.4 基于传输效用函数的回报计算 |
| 4.3.5 双层协作的Q-表生成与维护 |
| 4.4 性能分析 |
| 4.4.1 实验场景设计 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 子流耦合感知的多路自适应传输方案 |
| 5.1 本章引言 |
| 5.2 系统设计 |
| 5.3 基于小波去噪的子流耦合识别 |
| 5.3.1 柔性阈值的小波去噪 |
| 5.3.2 子流耦合特征识别 |
| 5.4 基于DQN的多路传输控制 |
| 5.4.1 多路DQN传输模型 |
| 5.4.2 多路DQN拥塞控制算法 |
| 5.5 性能分析 |
| 5.5.1 实验场景设计 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 第六章 能效均衡的多路传输优化算法 |
| 6.1 本章引言 |
| 6.2 系统设计 |
| 6.3 QE-MCC算法 |
| 6.3.1 传输系统状态定义 |
| 6.3.2 能量感知的传输能效模型 |
| 6.3.3 基于Q-Learning的多路拥塞控制 |
| 6.4 性能分析 |
| 6.4.1 实验场景设计 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间参与的科研项目 |
（7）复杂网络智能拥塞控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语表 |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 论文主要工作及组织结构 |
| 1.2.1 主要研究内容 |
| 1.2.2 论文组织安排 |
| 2 文献综述 |
| 2.1 复杂网络 |
| 2.2 多重广义算子模型 |
| 2.2.1 广义算子模型的泛化 |
| 2.2.2 多重广义算子建模方法 |
| 2.3 云模型 |
| 2.3.1 云模型的定义 |
| 2.3.2 云发生器 |
| 2.4 拥塞控制 |
| 2.5 本章小结 |
| 3 基于多重广义算子的复杂网络建模 |
| 3.1 多重广义算子模型的概念 |
| 3.2 基于多重广义算子的复杂网络建模 |
| 3.2.1 问题描述 |
| 3.2.2 模型设计方案 |
| 3.3 Internet广义算子建模实例 |
| 3.3.1 Internet建模概述 |
| 3.3.2 复杂网络模型的统计特征 |
| 3.3.3 Internet模型分析与评价 |
| 3.3.4 基于云模型的Internet模型评价 |
| 3.4 基于多重广义算子模型的复杂网络拥塞分析 |
| 3.4.1 资源需求信息传递流程分析 |
| 3.4.2 资源调度的多重广义算子模型结构 |
| 3.4.3 基于多重广义算子模型网络拥塞分析 |
| 3.5 本章小结 |
| 4 基于带宽预估的源端拥塞控制技术 |
| 4.1 源端拥塞控制 |
| 4.2 TCP拥塞控制及其一些改进策略 |
| 4.2.1 TCP基于窗口的源端拥塞控制 |
| 4.2.2 TCP源端拥塞控制的改进策略 |
| 4.3 TCP拥塞控制中的问题分析 |
| 4.4 基于带宽预估的源端拥塞控制算法 |
| 4.4.1 可用带宽预估方法分析 |
| 4.4.2 可用带宽的理论概念 |
| 4.4.3 带宽预估分析 |
| 4.4.4 带宽预估方法 |
| 4.5 基于可用带宽预估自适应源端拥塞控制算法 |
| 4.5.1 问题分析 |
| 4.5.2 带宽测量 |
| 4.5.3 参数讨论 |
| 4.6 仿真实验与分析 |
| 4.6.1 仿真工具NS2 |
| 4.6.2 仿真配置 |
| 4.6.3 实验结果分析 |
| 4.7 本章小结 |
| 5 非线性链路拥塞控制技术 |
| 5.1 链路拥塞控制 |
| 5.2 几种典型的AQM算法 |
| 5.2.1 随机早检测RED算法 |
| 5.2.2 系统自适应RED算法ARED |
| 5.2.3 公平性RED算法FRED |
| 5.2.4 AQM算法问题分析 |
| 5.3 分段平滑RED算法 |
| 5.3.1 问题描述 |
| 5.3.2 分段平滑随机早检测算法 |
| 5.3.3 仿真实验与结果分析 |
| 5.4 基于隶属云理论的非线性RED算法 |
| 5.4.1 RED算法的不确定性问题 |
| 5.4.2 云模型的基本理论 |
| 5.4.3 基于隶属云理论的非线性RED算法 |
| 5.4.4 仿真实验及结果分析 |
| 5.5 本章小结 |
| 6 非端到端网络拥塞控制技术 |
| 6.1 机会网络概述 |
| 6.2 机会网络与Internet拥塞控制的区别 |
| 6.3 机会网络体系结构 |
| 6.4 机会网络拥塞控制研究 |
| 6.5 基于节点社会属性的喷雾等待路由算法 |
| 6.5.1 节点社会性度量 |
| 6.5.2 算法描述 |
| 6.5.3 实验与仿真分析 |
| 6.6 基于节点关系与社区协作的路由算法 |
| 6.6.1 节点的连接特性 |
| 6.6.2 节点关系与社区 |
| 6.6.3 基于社区协作的路由算法 |
| 6.6.4 基于节点关系与社区协作的消息传输 |
| 6.7 仿真实验与结果分析 |
| 6.7.1 ONE仿真实验平台 |
| 6.7.2 数据集及仿真参数 |
| 6.7.3 实验结果分析 |
| 6.8 本章小结 |
| 7 总结及下一步工作 |
| 7.1 论文总结 |
| 7.2 下一步工作 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（8）基于自相似流量预测的AOS拥塞控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 课题的研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本论文内容及结构安排 |
| 第2章 拥塞控制及AOS多路复用技术 |
| 2.1 拥塞及拥塞控制 |
| 2.1.1 拥塞产生的原因 |
| 2.1.2 拥塞控制算法 |
| 2.1.3 拥塞控制算法的评价准则 |
| 2.2 AOS及多路复用模型 |
| 2.2.1 AOS协议及特点 |
| 2.2.2 AOS数据单元格式 |
| 2.2.3 AOS多路复用模型简介 |
| 2.3 网络流量的自相似特性 |
| 2.3.1 自相似的分类 |
| 2.3.2 自相似的特性 |
| 2.3.3 重尾分布 |
| 2.4 本章小结 |
| 第3章 自相似流量下的AOS拥塞控制算法 |
| 3.1 随机早检测算法 |
| 3.1.1 算法介绍 |
| 3.1.2 算法特点 |
| 3.2 几种改进的随机早检测算法 |
| 3.2.1 自适应随机早检测算法 |
| 3.2.2 自相似随机早检测算法 |
| 3.2.3 流量随机早期检测算法 |
| 3.3 一种新的自相似流量下AOS拥塞控制算法 |
| 3.3.1 源包模型 |
| 3.3.2 新改进的队列管理算法 |
| 3.3.3 新算法中多路复用模型采用的算法 |
| 3.3.4 仿真分析 |
| 3.4 本章小结 |
| 第4章 基于自相似流量预测的AOS拥塞控制算法 |
| 4.1 自相似流量预测模型 |
| 4.1.1 分形预测模型 |
| 4.1.2 统计预测模型 |
| 4.2 修正的LMMSE算法 |
| 4.3 基于预测的队列管理算法 |
| 4.4 引入自相似流量预测的AOS拥塞控制算法 |
| 4.4.1 整体模型的建立 |
| 4.4.2 系统仿真参数设置 |
| 4.4.3 仿真结果与分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（9）基于主动队列管理的网络拥塞控制算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究的背景和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于链路的拥塞控制算法 |
| 1.3.2 基于源端的拥塞控制算法 |
| 1.4 拥塞控制算法设计的难点 |
| 1.5 研究的的主要内容及结构 |
| 第二章 主动队列管理 AQM 研究综述 |
| 2.1 引言 |
| 2.2 AQM 算法设计及其主要目标 |
| 2.3 主动队列管理研究目前存在的问题 |
| 2.4 几种典型 AQM 算法 |
| 2.4.1 RED 算法 |
| 2.4.2 ARED 算法 |
| 2.4.3 REM 算法 |
| 2.4.4 BLUE 算法 |
| 2.5 本章小结 |
| 第三章 AQM 算法的 NS2 仿真平台构建 |
| 3.1 引言 |
| 3.2 NS2 仿真平台介绍 |
| 3.2.1 现流行仿真软件对比 |
| 3.2.2 NS2 与操作系统的兼容性 |
| 3.2.3 NS2 的背景 |
| 3.2.4 NS2 可扩充性 |
| 3.2.5 NS2 的仿真流程 |
| 3.2.6 NS2 网络仿真流程 |
| 3.2.7 NS2 环境变量设定 |
| 3.3 基于 AQM 算法的 NS2 性能测试平台构架 |
| 3.3.1 AQM 引擎区块设计 |
| 3.3.2 AQM 功能研究及该区块设计 |
| 3.3.3 数据流突发部署引擎以及网络拓扑 |
| 3.5 本章小结 |
| 第四章 基于流量感知的多虚队列 AQM 算法 |
| 4.1 引言 |
| 4.2 业务流竞争的公平性问题分析 |
| 4.3 基于“流粒度”的 AQM 框架 |
| 4.4 基于 BLOOM FILTER 的活动流感知模块 |
| 4.5 队列分配模块 |
| 4.6 VQUDP丢包策略模块 |
| 4.7 VQTCP丢包策略模块 |
| 4.8 本章小结 |
| 第五章 基于 NS2 平台的 VFQ 算法仿真分析 |
| 5.1 网络仿真场景拓扑设计 |
| 5.2 不同连接数 N 的算法特性 |
| 5.3 不同往返时延 RTT 的算法特性 |
| 5.4 不同链路带宽 C 的算法特性 |
| 5.5 不同非响应流负载Λ的算法特性 |
| 5.6 不同 WEB 负载Ρ的算法特性 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
（10）战术网络拥塞控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 战术网络拥塞与通信的研究背景 |
| 1.1.1 战术网络研究背景 |
| 1.1.2 网络拥塞背景 |
| 1.1.3 战术网络拥塞研究的重要性 |
| 1.2 网络拥塞控制的研究现状 |
| 1.2.1 基于源端的拥塞控制策略 |
| 1.2.2 基于链路的拥塞控制策略 |
| 1.2.3 无线网络的拥塞控制技术 |
| 1.3 本课题的主要内容及结构安排 |
| 第二章 战术网络模型及仿真研究 |
| 2.1 引言 |
| 2.2 战术网络拥塞控制模型 |
| 2.3 战术网络在不同算法下性能仿真 |
| 2.3.1 随机早期检测算法(RED) |
| 2.3.2 随机指数标记算法 (REM) |
| 2.3.3 比例积分及比例积分微分算法(PI/PID) |
| 2.4 仿真分析 |
| 2.4.1 不同负载条件下的算法性能仿真 |
| 2.4.2 不同延时时间下的算法性能仿真 |
| 2.5 本章小结 |
| 第三章 战术网络单神经元 PID 控制及改进算法 |
| 3.0 引言 |
| 3.1 神经元学习规则 |
| 3.2 战术网络拥塞控制模型 |
| 3.3 改进单神经元 PID 算法 |
| 3.4 仿真及结果分析 |
| 3.4.1 改进单神经元 PID 算法性能仿真 |
| 3.4.2 与其他算法的比较 |
| 3.4.3 混合流下的仿真 |
| 3.5 本章小结 |
| 第四章 战术网络双模 AQM 控制算法 |
| 4.1 引言 |
| 4.2 模糊控制原理 |
| 4.3 模糊控制器设计 |
| 4.3.1 模糊控制器设计原理 |
| 4.3.2 模糊控制器输入 |
| 4.3.3 模糊规则 |
| 4.4 双模控制器 |
| 4.5 仿真实验与性能分析 |
| 4.5.1 双模控制器性能仿真 |
| 4.5.2 与其他算法的比较 |
| 4.5.3 突发流情况下算法性能仿真 |
| 4.6 本章小结 |
| 第五章 战术网络中滑模控制应用 |
| 5.1 引言 |
| 5.2 滑模控制基本原理 |
| 5.2.1 滑模控制 |
| 5.2.3 滑模控制器的设计方法 |
| 5.3 控制器设计 |
| 5.3.1 战术网络 TCP/AQM 模型 |
| 5.3.2 控制律设计 |
| 5.3.3 稳定性分析 |
| 5.4 仿真实验与性能分析 |
| 5.4.1 滑模控制器性能仿真 |
| 5.5 无线网络仿真 |
| 5.6 干扰观测器设计 |
| 5.6.1 仿真分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在校期间发表的学术论文 |
四、几种主动队列管理拥塞控制算法的比较研究（论文参考文献）
- [1]下一代网络传输控制理论研究与应用[D]. 张浩. 南京邮电大学, 2021
- [2]高动态网络中的网络拥塞管理[D]. 黄程远. 北京邮电大学, 2021(01)
- [3]数据中心网络中高吞吐低延时拥塞控制方法[D]. 石佳明. 北京邮电大学, 2021(01)
- [4]软件定义网络中的多路径传输机制研究[D]. 高楷. 北京邮电大学, 2021
- [5]基于NPID的WSN节点拥塞控制方法研究[D]. 柳莹. 吉林大学, 2021(01)
- [6]移动流媒体多路传输关键技术研究[D]. 秦久人. 北京邮电大学, 2021(01)
- [7]复杂网络智能拥塞控制研究[D]. 赵宇红. 北京科技大学, 2019(06)
- [8]基于自相似流量预测的AOS拥塞控制技术研究[D]. 耿传鑫. 沈阳理工大学, 2019
- [9]基于主动队列管理的网络拥塞控制算法研究[D]. 王方红. 电子科技大学, 2013(01)
- [10]战术网络拥塞控制技术研究[D]. 张丽丽. 南京航空航天大学, 2013(06)