基于流量预测的RED拥塞控制算法研究

论文摘要

在网络迅速发展的当今社会,网络的使用者要求网络提供高速度、高质量的信息传输服务,与此同时,网络拥塞的现象却屡屡发生。因此,拥塞控制的研究也成为了研究者青睐的研究方向。路由器缓存中存在过多的等待发送的数据包,网络的带宽容量却又不能承受如此之大的负荷,这就会造成拥塞现象。解决网络拥塞的核心就是队列管理和队列调度算法的实现,队列管理算法是解决路由器内部队列如何建立、如何维护、如何排队的过程,队列调度算法是用来决定谁先被调度的算法,以此来实现队列之间共享输出链路资源的过程。本文是在RED拥塞控制算法的基础上进行研究的,RED算法是队列管理算法中的一个经典代表,属于主动队列管理算法的范畴。通过对RED算法优缺点进行详细分析,提出了一种基于流量预测的改进RED算法——2P-RED算法。在研究思路上,首先针对网络流量的自相似性、长相关性、周期性等特性,利用数学公式对流量特性进行量化,为建立预测模型提供了基础；其次研究了各种智能算法,提出了把人工神经网络模型应用到数据流量的预测的想法,用Matlab工具进行仿真实验,为了提高BP算法的精确度和学习能力,BP神经网络中权值阈值的初始化利用模拟退火和粒子群算法进行了改进；然后,将流量预测代码添加到RED协议当中去,实现对RED算法的改进,添加协议的过程主要工作是对Edv结构体以及类REDQueue中dropearly函数进行修改,协议修改完毕,在NS2模拟软件中重新编译,即可投入到路由器队列管理算法的使用当中了。文章最后建立了含有不同个数的TCP、UDP数据流的网络模型,数据包传送过程分别采用改进的RED和基本RED两种队列管理算法,由模拟得到的Trace文件可以进一步分析出不同算法的丢包率、吞吐量、时延来,实验结果验证了改进算法在解决拥塞控制上具有良好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1-1 拥塞控制研究的背景
• 1-2 国内外研究现状
• 1-3 研究网络拥塞控制的意义
• 1-4 本文主要工作和结构安排
• 第二章 网络拥塞控制算法相关问题研究
• 2-1 网络拥塞的基本概念
• 2-1-1 拥塞产生的原因
• 2-1-2 拥塞控制算法评价标准
• 2-1-3 拥塞控制算法设计中的难点
• 2-2 拥塞控制算法基础
• 2-2-1 队列管理
• 2-2-2 队列调度
• 2-3 拥塞控制算法分类及介绍
• 2-3-1 分类
• 2-3-2 典型源算法介绍
• 2-3-3 典型链路算法介绍
• 2-4 本章小结
• 第三章 基于网络流量预测的智能算法
• 3-1 网络流量预测原理及方法
• 3-1-1 网络流量的特性
• 3-1-2 网络流量预测的基本原理
• 3-1-3 网络流量预测的主要评价指标
• 3-1-4 网络流量预测的影响因素
• 3-2 智能算法基础
• 3-2-1 模糊技术
• 3-2-2 全局优化算法
• 3-2-3 群集智能技术
• 3-2-4 人工神经网络算法
• 3-3 智能算法在预测流量中的应用
• 3-3-1 样本数据的获取及预处理
• 3-3-2 建立网络预测模型及预测过程
• 3-3-3 预测实验结果及分析
• 3-4 本章小结
• 第四章 RED拥塞控制算法及基于流量预测的改进
• 4-1 RED拥塞控制算法论述
• 4-1-1 平均队列长度的计算
• 4-1-2 丢弃分组概率的计算
• 4-1-3 RED算法描述及流程图
• 4-2 RED算法性能分析
• 4-3 基于流量预测的改进RED算法
• 4-3-1 改进思想及算法流程图
• 4-3-2 对RED算法协议的修改
• 4-4 本章小结
• 第五章 算法仿真实验及结果分析
• 5-1 NS安装与环境配置工作
• 5-2 NS仿真流程
• 5-3 拥塞控制算法仿真实验过程
• 5-3-1 网络拓扑结构
• 5-3-2 实验步骤
• 5-4 实验结果分析
• 第六章 结论与展望
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果