基于控制理论的网络拥塞控制的几个问题研究

基于控制理论的网络拥塞控制的几个问题研究

论文摘要

随着新型网络应用的不断涌现和用户数量的迅速增长,使得Internet的流量急剧增长,越来越严重的网络拥塞问题逐渐暴露出来。Internet中拥塞控制机制对保证Internet的稳定具有十分重要的作用,实施拥塞控制是其它QoS机制正常工作的必要前提。Internet的拥塞控制可以看作是一个具有通信时延的非线性动态反馈系统。本文着重讨论网络端的拥塞避免机制中的主动队列管理算法设计,主要研究成果如下:(1)在介绍TCP拥塞控制系统的线性化模型基础上,运用经典控制理论中的频域分析方法设计了P、PI和PID控制器,并在NS-2中用C++语言实现了这些控制器,仿真表明PID控制器在很多情况下的性能都要优于PI控制器。(2)利用Lyapunov函数对线性时滞系统的鲁棒稳定性进行了证明,给出了一种基于线性矩阵不等式的参数判定依据,设计出了一种静态输出反馈控制器。仿真结果表明这种静态输出反馈控制器的控制性能优于RED、PI控制器且在变化的网络环境下具有较强的鲁棒性。(3)采用不确定时滞系统分析技术对网络拥塞控制问题进行了研究,利用线性矩阵不等式方法得出了动态输出反馈控制器的充分条件,在此基础上设计出了AQM鲁棒控制算法。仿真结果表明所得出的控制器是可行的和有效的而且过渡时间短。(4)针对主动队列管理算法中存在PID控制器参数选择困难的问题,提出了一种采用粒子群优化算法来动态调整拥塞控制器参数。仿真表明,采用粒子群优化得到的PID控制器,作用在路由器上的主动队列管理算法中,所得到的队列波动较小,丢包率也较小,获得了较好的网络性能。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 1 绪论
  • 1.1 研究背景和意义
  • 1.2 国内外研究现状
  • 1.2.1 TCP拥塞控制算法的国内外研究现状
  • 1.2.2 主动队列管理算法的国内外研究现状
  • 1.2.2.1 基于队列控制的主动队列管理算法
  • 1.2.2.2 基于速率控制的主动队列管理算法
  • 1.2.2.3 基于队列和速率控制的主动队列管理算法
  • 1.3 主要工作
  • 1.4 论文结构安排
  • 2 网络拥塞控制相关概念及网络模拟平台NS介绍
  • 2.1 网络拥塞控制基本概念
  • 2.1.1 拥塞和拥塞控制
  • 2.1.2 Internet的网络模型
  • 2.1.3 Internet中拥塞发生的原因
  • 2.1.4 拥塞控制算法设计的困难性
  • 2.1.5 拥塞控制算法的评价方法
  • 2.2 网络模拟软件NS介绍
  • 2.2.1 NS简介
  • 2.2.2 NS编程基础
  • 2.2.2.1 生成网络拓扑
  • 2.2.2.2 流量的产生
  • 2.3 TCP拥塞控制算法仿真比较研究
  • 2.3.1 几种典型的TCP拥塞控制算法简介
  • 2.3.2 仿真比较研究
  • 2.4 AQM算法仿真比较研究
  • 2.4.1 几种典型的主动队列管理算法
  • 2.4.2 AQM的拥塞指示方式
  • 2.4.3 仿真比较研究
  • 2.5 本章小结
  • 3 基于经典控制理论的网络拥塞控制
  • 3.1 网络拥塞控制模型
  • 3.1.1 基于流体流理论的TCP/AQM动态模型
  • 3.1.2 线性化
  • 3.1.3 AQM反馈控制
  • 3.2 PID类控制器的设计
  • 3.2.1 P控制器的设计
  • 3.2.2 PI控制器的设计
  • 3.2.3 PID控制器的设计
  • 3.3 算法仿真与性能评价
  • 3.4 本章小结
  • 4 基于鲁棒控制理论的网络拥塞控制
  • 4.1 本章的基本概念和理论基础
  • 4.1.1 鲁棒控制概述
  • 4.1.2 时滞系统鲁棒控制概述
  • 4.1.3 线性矩阵不等式(LMI)基础
  • 4.2 基于静态输出反馈控制的主动队列管理
  • 4.2.1 状态空间模型
  • 4.2.2 AQM静态输出反馈控制器设计
  • 4.2.2.1 线性时滞系统的鲁棒稳定
  • 4.2.2.2 静态输出反馈控制器
  • 4.2.3 算法仿真
  • 4.2.4 结论
  • 4.3 基于不确定时滞技术的鲁棒AQM控制器
  • 4.3.1 从网络拥塞到鲁棒镇定的转化
  • 4.3.2 鲁棒AQM控制器的设计
  • 4.3.2.1 不确定时滞系统的鲁棒稳定性分析
  • 4.3.2.2 AQM控制器设计
  • 4.3.2.3 算例分析
  • 4.3.3 仿真研究
  • 4.4 本章小结
  • 5 基于智能控制理论的网络拥塞控制
  • 5.1 模糊控制在AQM中的应用
  • 5.2 神经网络在AQM中的应用
  • 5.3 基于粒子群优化的网络拥塞控制算法
  • 5.3.1 粒子群优化算法
  • 5.3.2 算法流程
  • 5.3.3 基于粒子群算法的PID控制器的参数优化
  • 5.3.4 仿真研究
  • 5.4 本章小结
  • 6 总结与展望
  • 6.1 主要结论
  • 6.2 研究展望
  • 致谢
  • 攻读硕士学位期间发表学术论文和参加科研项目情况
  • 参考文献
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    基于控制理论的网络拥塞控制的几个问题研究
    下载Doc文档

    猜你喜欢