自相似业务主动队列管理研究

论文摘要

随着信息时代的来临,作为重要基础设施的Internet上的信息量呈爆炸式增长,而Internet的尽力而为服务模式已经不能适应分布式多媒体等应用对网络的性能和服务质量提出的更高要求,网络拥塞正成为制约Internet发展的关键问题。另一方面,大量的研究结果表明,当前的网络流量具有普遍的自相似和长相关特性,对网络控制提出了新的挑战。本论文结合网络业务自相似特性,探讨了自相似业务下主动队列管理的性能,并与传统业务情况进行仿真比较,重点研究自相似业务下随机早期检测算法（RED）的参数设置问题,提出了基于分形布朗运动（FBM）的自相似业务RED算法和基于分形稳定运动的自相似业务RED算法。最后采用FARIMA（Fractional Autoregressive Integrated Moving Average）流量预测模型,将流量预测结果引入到主动队列管理中,提出了基于流量预测的主动队列管理方案,与基于AR模型下的主动队列管理方案进行了仿真比较。论文的主要研究工作及成果如下:（1）研究常见的主动队列管理AQM（Active Queue Management）算法,分析了RED,ARED（Adaptive RED）,BLUE,FRED（Flow RED）和SRED（StabilityRED）算法的工作原理及优缺点,并利用OPNET网络仿真器,仿真比较了传统业务与自相似业务下主动队列管理算法的性能。（2）提出基于FBM的自相似业务RED算法。将自相似参数Hurst引入到权值函数中,更新下一预测周期的平均队列长度,基于FBM模型推导出的系统平均队列长度和队长方差来设置最大和最小队列阈值,利用缓冲区溢出概率公式修正丢包率。最后仿真验证了算法的有效性。（3）提出基于分形稳定运动的自相似业务RED算法。依据网络流量的重尾特性设计权值函数,得到下一预测周期的平均队列长度,同时利用包络过程设置最大队列阈值,并基于线性分形稳定噪声（LFSN-Linear Fractional StabilityNoise）过程的缓冲区溢出概率设置丢包率,最后仿真验证了算法的有效性。（4）采用FARIMA流量预测模型,将流量预测结果加入到RED算法中,动态地控制和调整丢包率,形成一套完整的基于流量预测的主动队列管理方案,并与基于AR模型的主动队列管理性能进行了仿真比较。

论文目录

• 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 本文研究工作及论文的内容安排
• 第2章 常见的主动队列管理算法分析
• 2.1 主动队列管理机制
• 2.1.1 主动队列管理的必要性
• 2.1.2 主动队列管理的优势
• 2.2 随机早期检测算法
• 2.2.1 RED算法的工作原理
• 2.2.2 RED的优缺点
• 2.3 其它主队队列管理算法
• 2.3.1 自适应 RED（ARED）
• 2.3.2 BLUE
• 2.3.3 流RED（FRED）
• 2.3.4 稳定RED（SRED）
• 2.4 本章小结
• 第3章 流量自相似特性对AQM算法性能的影响
• 3.1 网络流量自相似特性
• 3.1.1 自相似过程的定义
• 3.1.2 网络流量自相似特性
• 3.1.3 网络业务模型
• 3.2 网络仿真配置
• 3.2.1 OPNET Modeler仿真平台简介
• 3.2.2 仿真模型的建立
• 3.2.3 数据来源
• 3.3 流量自相似特性对AQM算法性能的影响
• 3.3.1 基本背景
• 3.3.2 自相似特性对AQM算法性能的影响
• 3.4 本章小结
• 第4章 基干FBM的自相似业务RED算法
• 4.1 RED算法研究情况
• 4.2 基于FBM的自相似业务RED算法
• 4.2.1 平均队列长度预测方法
• 4.2.2 最大队长阈值
• 4.2.3 最小队长阈值
• 4.2.4 柔和的丢包策略
• 4.3 仿真验证
• 4.4 本章小结
• 第5章 基于分形稳定运动的自相似业务RED算法
• 5.1 研究背景
• 5.2 基于LFSN的RED算法
• 5.2.1 平均队列长度预测方法
• 5.2.2 最大队长阈值
• 5.2.3 最小队长阈值
• 5.2.4 丢包率
• 5.3 仿真结果
• 5.4 本章小结
• 第6章 基于流量预测的主动队列管理算法
• 6.1 基本原理
• 6.1.1 算法流程
• 6.1.2 算法优点
• 6.2 仿真分析
• 6.3 本章小结
• 结束语
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文