（信号与信息处理专业论文）主动队列管理中的自适应frem算法研究.pdf

重庆邮电大学硕士论文摘要 摘要 随着i n t e m e t 网络规模的增长，由此引发的网络拥塞已成为制约网络发展的瓶 颈。不断发展的主动队列管理a q m 不仅能较好地解决拥塞问题，而且作为t c p 拥 塞控制的补充，能提高q o s 和i n t e m e t 的鲁棒性，对该领域的研究有着重要的意义。 但现有a q m 算法在响应速度和环境敏感性等方面仍有缺陷。模糊控制可以较好地 控制复杂、时变、不确定性的网络，把模糊控制引入到a q m 可以实现拥塞控制的 智能化，提高a q m 的稳定性和鲁棒性【l j 。目前，关于此方面的研究已引起人们广 泛的兴趣。不过模糊控制的参数和规则是静态的，不适合流量具有强突发性或有短 暂拥塞的互联网，如何提高基于模糊控制的a q m 算法在突发时变网络下的鲁棒性， 还需要进一步地探索。 本文重点研究采用自适应机制改进基于模糊控制的a q m 算法，主要工作如下： 分析了主动队列管理的研究意义和现状，讨论了模糊控制在a q m 中的应用 研究及其改进方向。 分析了具有代表性的r e m 算法，及基于模糊控制对r e m 的改进算法 ( f i 也m ) ，讨论了各自的优缺点。 采用自适应机制改进f r e m 算法，提出了自适应f r e m 算法一( a r f i 也m ) ， 其主要思想是根据负载程度，调整f r e m 的t q l 的大小，使网络系统在动态环境 下的高吞吐量、低延迟、低丢失率达到一定程度的平衡。对其进行了仿真分析，结 果表明自适应机制能提高f r e m 在动态环境下的鲁棒性和稳定性。 采用自适应机制改进f r e m 算法，提出了自适应f r e m 算法二( a f i 迮m ) ， 其主要思想是根据负载程度，调整f r e m 的丢弃概率。对其进行了仿真分析，结果 表明在动态环境下a f r e m 也能有效地将队列长度钳制到固定t q l 附近，改善了 f r e m 的控制性能。 关键词：拥塞控制，主动队列管理，模糊控制，自适应调节机制 重庆邮电大学硕士论文摘要 a b s 仃a c t w i t ht h er p a i dd e v e l o p m e n to fi n t e m e tn e t w o r k , n e t w o r kj a ma l r e d a yb e c a m et h e b o t t l e - n e c kq u e s t i o nt h a tr e s t r i c t i o nn e t w o r kd e v e l o p m e n t t h ee f f e t i v es o l u t i o nt o n e w t o r kj a mh a sv i t a ls i g n i f i c a n c et oe n h a n c en e t w o r kb a n d w i d t hu t i l i z a t i o na n de n s l l r e q o s a c t i v eq u e u em a n a g e m e n t ( a q m ) i sa ne f f e c t i v em e t h o dt oi m p l e m e n tc o n g e s t i o n c o n t r o la tt h en e t w o r kl a y e r i nr e c e n ty e a r s ，a q mh a sb e e nar e s e a r c hh i g h l i g h t b u t a q m n o wh a sd e f e c ti nr e s p o n ds p e e d ，s t a b i l i t ya n de n v i r o n m e n ts e n s i t i v i t y a st ot h e c o m p l e x i t yp r o b l e mo fn e t w o r km o d e l ，f u z z yc o n t r o lc a nb r i n gr e l a t i v ea d v a n t a g e si n t o p l a y f u r t h e r m o r ef u z z yc o n t r o ld o e sn o td e p e n do no b j e c tm o d e l ，a n da d a p t st ot h e u n s t a b l es t a t eo fm o d e l h e n c ei n t r o d u c i n gf u z z yc o n t r o li n t oa q mc a ns e t t l et h e c o n g e s t i o np r o b l e ma n dh a sr e s e a r c hv a l u e b u tf u z z yc o n t r o lp a r a m e t e ra n dr u l ea r e s t a t i c ，i ti sn o ts u i t a b l ef o rh i g hb u r s tt r a f f i ci n t e r a c t i m p r o v i n gt h er o b u s t n e s so fa q mi s v e r yi m p o r t a n tu n d e rh i 曲b u r s tt r a f f i ci n t e m e t ，f u r t h e re x p l o r a t i o no nt h i sa r e ai sn e e d i nt h i st h e s i s ，n e wa q m a l g o r i t h m sb a s eo na d a p t i v ea d j u s tm e c h a n i s ma r ep r o p o s e d m a i nr e s e a r c hw o r ki s 嬲f o l l o w s ： a n a l y z i n ga c t i v eq u e u em a n a g e m e n tr e s e a r c ha n ds i g n i f i c a n c e ，d i s c u s s i n gt h e a p p l i c a t i o no ff u z z yc o n t r o lo na q ma n di m p r o v e m e n tt r e n d ( 至) a n a l y z i n g t h ee x i s t e d a q ma l g o r i t h r n - - r e m a n d f u z z yc o n t r o l - b a s e d i m p r o v e m e n ta l g o r i t h mo fr e m ，d i s c u s s i n gt h e i rs u p e r i o r i t i e sa n ds h o r t c o m i n g s s e p a r a t e l y b a s e do nt h ee x i s t e df r e ma l g o r i t h m ，t h i st h e s i se x p l o r e sa d a p t i v ef r e m a l g o r i t h r n - - a t f r e ma l g o r i t h m ，t h em a i ni d e ai sa d j u s tt h et q la c c o r d i n gt ot h en e t w o r k l o a d w es h o w st h e o r y a n a l y s i sa n ds i m u l a t i o nt e s t t h et e s ts h o w st h a ta d a p t i v e a l g o r i t h mc a n a c h i e v ep e r f e c tr o b u s t n e s si nt h ee v e n to fn e t w o r kd y n a m i cc h a n g ea n dh a s ap e r f o r m a n c ei m p r o v e m e n to fh i g h - t h r o u g h p u t 、l o w - d e l a yl o w - d r o p p i n gp r o b a b i l i t y b a s e do nt h ee x i s t e df r e ma l g o r i t h m ，t h i st h e s i se x p l o r e sa d a p t i v ef r e m a l g o r i t h m - - a f r e ma l g o r i t h m ，t h em a i ni d e ai sa d j u s tt h ed r o p p i n gp r o b a b i l i t yo ff r e m a l g o r i t h ma c c o r d i n gt ot h en e t w o r kl o a d w es h o w st h e o r ya n a l y s i sa n ds i m u l a t i o nt e s t t h et e s ts h o w st h a ta f r e m a d a p t i v ec o n t r o lt h ep a c k e td r o p p i n ga c c o r d i n gt of l o w t h e n e w a l g o r i t h ms h o w ss u p e r i o rp e r f o r m a n c et h a nf r e m i nc o n t r o l l i n gt h eq u e u el e n g t ho f t h er o u t e ra n dc a na c h i e v ep e r f e c tc o n t r o lp r o p e r t i e si nt h ee v e n to fn e t w o r kd y n a m i c 重庆邮电大学硕士论文摘要 c h a n g e k e yw o r d s ：c o n g e s t i o nc o n t r o l ，a c t i v eq u e u em a n a g e m e n t ( a q i v d ，f u z z yc o n t r o l ， a d a p t i v ea d j u s tm e c h a n i s m i i i a a m a f r e d a f r e m a q m a r e d a n 7 i 己e m a v q f c m f i e f l c f i t e m f t p h t t p i e t f p i p d p p d r p q m q o s i 迮m i u t s i 妊、d t c p t d t q l 飞c p 嗯 u d p 缩略语索引表及图索引表 a d a p t i v ea d j u s tm o d u l e a d a p t i v ef u = yr e d a d a p t i v ef u = yr e m a c t i v eq u e u em a n a g e m e n t a d a p t i v er a n d o me a r l yd e t e c t i o n a d a p t i v et a r g e tq u e u el e n g t hf u z z yr e m a d a p t i v ev i r t u a lq u e u e 畸c o n t r o lm o d u l e f u z z yi n f e r e n c ee n g i n e f u z z yl o g i cc o n t r o l l e r 晒r e m f i l et r a n s f e rp r o t o c o l h y p e n e x tt r a n s f e rp r o t o c o l i n t e r n e te n g i n e e r i n gt a s kf o r c e p r o p o r t i o n a li n t e g r a l p a c k e td r o pp r o b a b i l i t y p a c k e td r o pr a t i o p a s s i v eq u e u e m a n a g e m e n t q 叫i t yo fs e r v i c e r a n d o me x p o n e n t i a lm a r k i n g r o u n dt n pt i m e s t a b i l i z e dr a n d o me a r l yd e t e c t i o n t r a n s f e rc o n g e s t i o np r o t o c o l t a i ld r o p t a r g e tq u e u el e n g t h t r a n s m i s s i o nc o n t r o lp r o t o c o l i n t e r n e tp r o t o c o l u s e rd a t a g r a m p r o t o c o l v i 重庆邮电大学硕士论文缩略语索引表及图索引表 图2 1a q m 算法的系统结构模型1 0 图2 2i 冱m 算法的结构框图1 1 图2 3 模糊控制系统1 3 图2 4 基于模糊控制的主动队列管理系统1 4 图2 5f r e m 算法的结构框图1 6 图2 6f r e m 算法的伪代码1 7 图3 1a t f r e m 算法的模块结构框图2 1 图3 2a t f i 冱m 算法结构框图2 2 图3 3a t f r e m 算法的流程图2 4 图3 4a t f r e m 算法的伪代码2 5 图3 5 网络拓扑结构2 6 图3 6a t f r e m 在流量突变时算法的平均队长和t q l 2 7 图3 7 流量突变时各算法的瞬时队列长度2 8 图3 8 大带宽时延f t p 、u d p 混合流量突变时算法的瞬时队列长度2 9 图3 9f t p 、h t t p 混合流量突变时算法的瞬时队列长度3 0 图4 1a f r e m 算法的模块结构框图3 3 图4 2a f r e m 算法结构框图。3 4 图4 3a f r e m 算法的流程图3 6 图4 4a f r e m 算法的伪代码3 7 图4 5 不同r 值下a f i 迮m 的性能3 8 图4 6 不同t q l 下各算法的瞬时队列长度3 9 图4 7 不同负载下a f r e m 算法的性能4 0 图4 8 流量动态变化下各算法的瞬时队列长度4 l 图4 9 流量动态变化下各算法的吞吐量4 3 图4 1 0f 1 1 p 、e x p o n e n t i a lo n o f f 混合流量队列长度的变化4 3 图4 1 l 大带宽时延网络下流量突变时各算法的瞬时队列长度。4 4 表3 1 流量突变时算法的性能2 7 表3 2 大带宽时延f t p 、u d p 混合流量突变时算法的性能2 8 表3 3f t p 、h t t p 混合流量突变时算法的性能2 9 表4 1 不同t q l 下各算法的性能3 9 表4 2 流量动态变化下各算法的性能4 1 表4 3f t p 、e x p o n e n t i a lo n o f f 混合流量下各算法的性能4 3 表4 4 大带宽时延网络下流量突变时各算法性能4 4 v l l 重庆邮电大学硕士论文 第一章绪论 1 1 研究背景 第一章绪论 随着i n t e m e t 蓬勃发展，其规模越来越大。近年来它的用户数、网络规模和应用 数量更以惊人的速度增长，这主要应归功于支撑i n t e m e t 运行的t c p i p 协议在设计 上的灵活性与合理性。 而随着用户和应用数量的迅速增加，使得网络流量急剧增加，有限的网络资源 被越来越多的用户共享，使得现有的带宽难以完全满足用户的要求，拥塞的发生在 所难免的事情。拥塞( c o n g e s t i o n ) 发生的实质是“需求”大于“供给。拥塞直接导致 网络性能变坏，分组丢失率提高，端到端时延增加，甚至有可能使整个系统发生崩 溃【2 j 。因此解决拥塞问题对于提高网络性能有重要意义。 由于拥塞产生的直接原因为：存储空间不足、带宽容量不足、处理器处理能力 弱和速度慢，所以可以从两个方面考虑如何解决拥塞问题：一是增加网络资源；二 是降低用户需求 3 1 。解决长期拥塞的最好办法是增加缓存容量、增加链路带宽及提 高处理器的速度，直到拥塞不再出现为止，但是这不能实际解决问题。虽然拥塞源 于资源短缺，但单纯增加资源并不能避免拥塞的发生，有时甚至会加重拥塞程度。 所以，解决拥塞的有效途径是采用拥塞控制。 拥塞控制目的在于采用合理的算法与机制确保负载不超过网络的传送能力，在 网络接近于拥塞崩溃点时尽快检测到，并采用措施减小网络负载，减少数据丢失， 提高网络吞吐量，充分利用已有网络资源。 根据拥塞控制算法的实现位置，拥塞控制算法可分为两大类：链路算法( l i n k a l g o r i t h m ) 和源算法( s o u r c e a l g o r i t h m ) r i 【4 】。源算法在主机和网络边缘设备中执行， 作用是根据反馈信息调整发送的速率；源算法中最具代表性的是t c p 端到端拥塞控 制算法。链路算法在网络设备( 如路由器和交换机) 中执行，作用是检测网络拥塞 的发生，产生拥塞反馈信息；链路算法的研究目前集中在位于口层队列管理( q u e u e m a n a g e m e n t ) 和队列调度( q u e u es c h e d u l i n g ) p j 。 由于t c p 拥塞控制在效率、公平性、自相似等方面的问题仍有待解决，因此尽 管t c p 拥塞控制机制是必须的而且是有效的，但无法保障用户的服务质量q o s 和 i n t e m e t 鲁棒性( r o b u s t n e s s ) 。并且由于n l e t 的数据本质上是突发的，因此允许传 输突发的数据包非常必要，而路由器中队列的重要作用就是吸收突发的数据包。较 重庆邮电大学硕士论文 第一章绪论 大的队列能够吸收更多的突发数据，提高吞吐量，但t c p 机制往往会保持较高的队 列占用，从而增加了数据包的排队延迟。 因此需采用基于路由器的拥塞控制机制对源端节点的拥塞控制进行补充。这样 可降低排队延迟，提高吞吐量，保持较大的队列空间来吸收突发数据包。 1 1 1 主动队列管理的研究意义 目前，网络采用的基于路由器的拥塞控制策略通常位于p 层，主要包括路由器 的队列调度算法和队列管理策略。队列调度通过数据流如何排队( 单队列或多队列) 决定那些包可以传输来分配带宽；而队列管理根据队列长度来控制数据包标记丢弃 率为到达的分组分来分配缓存，队列管理同时也是提供反馈的源头。队列管理和队 列调度既是互为补充又是紧密联系在一起的1 6 j 。 它们要实现的目标包括：吞吐量最大、延迟最小、有最佳的公平性、避免对突 发流的歧视及避免全局同步( g l o b a ls y n c h r o n i z a t i o n ) ，这些目标之间需要达到适当 的平衡。 队列管理技术一般可分为“拥塞恢复和“拥塞避免 两类机制，以分为两大 类【7 】：被动队列管理( p a s s i v eq u e u em a n a g e m e n t ，简记为p q m ) 和主动队列管理 ( a c t i v eq u e u em a n a g e m e n t ，简记为a q m ) 。 被动队列管理：是路由器中最常用的传统队列管理技术，它是在队列满时丢 弃随后到达的分组，这种方法称为“尾部丢弃( d r o pt a i l ) ，这种是在拥塞出现后才 做出反应，属于拥塞恢复策略。 主动队列管理：d r o p t a i l 实现简单，但存在“满队列、“死锁 、“全局同步 等严重缺陷。“首丢弃和“随机丢弃”是另外两种队列管理策略，它们对死锁和全 局同步是有效的，但没有解决持续满队列问题。为了解决这个问题，提出了“主动 队列管理”( a q m ) 。主动队列管理近年来成为i p 拥塞控制研究的热点，它能较好解 决实际网络中的拥塞问题，作为t c p 拥塞控制的补充，对提高q o s 和i n t e m e t 鲁棒 性具有很重要的意义。 a q m 通过主动的预见式地而非反应式地丢弃分组，在队列尚未溢出以前就根据 各种机制判断网络中的拥塞状况而采用一定的概率进行丢包，或通过标记包来通知 发送端，降低发送速率达到有效控制队列长度、降低排队延时、提高瓶颈链路利用 率、减少丢弃率，保证网络q o s 目的。 a q m 有以下优点 4 1 ： 减少了路由器中丢弃的分组的数量。 当队列长度溢出时，a q m 减少数据包或丢弃数据包以保证网络资源的有效性。 2 重庆邮电大学硕士论文第一章绪论 i n t e r n e t 中数据分组的突发本质是不可避免的，因此允许传输突发的数据包非常必 要，而路由器中队列的重要作用就是吸收突发的数据包。a q m 通过保持较小的平 均队列长度( a v e r g a eq u e u es i z e ) ，从而增强网关容纳突发流量的能力，从而大大减少 了丢弃的分组数目。进一步说明，如果没有a q m ，会有更多的分组被丢弃。这个 主要有以下三点原因：由于使用共享的队列和p q m ，会不可避免的产生全局同步， 导致很低的平均带宽利用率，即吞吐量很低；t 篁) t c p 从突发分组的丢弃中恢复要比 从单个分组丢弃中恢复更复杂；如果一个数据分组在到达目的端之前被丢弃，则 其在传输过程中所消耗的资源都被浪费，降低了网络带宽的利用率。因此，不必要 的分组丢失也就意味着带宽的浪费。 对需要持续交换大量数据的服务提供更低的延迟。 排队延迟是造成端到端延迟f e n dt oe n dd e l a y ) 的主要原因，a q m 通过保持较小 的平均队列长度，减少分组的排队延迟( q u e u i n gd e l a y ) ，减小了报文通过网关的延 迟。这对交互式应用比如w e b 浏览、t e l n e t 业务和视频会议等非常重要。 降低了“死锁的概率。 a q m 算法设法使队列保持较短的队长，使大多数到来的数据包都有可用的队列 空间，从而降低了“死锁”。也因为这个原因，a q m 能防止路由器对低带宽高突发 的流的偏见。 这些优点有助于实现a q m 的主要管理目标：维持一个稳定的队列目标长度， 从而达到减小排队时延的同时保证较高的吞吐量。a q m 的重点是平衡延迟和吞吐 量，并且保持小的平均队列长度，提供更大的容量来应对突发流量而不丢包，这个 对实时业务的应用很重要。 但是，目前的a q m 算法除算法在一定程度上完成网络拥塞控制的任务，但是 也不同程度地在公平性、可扩展性、响应速度、环境敏感性、参数配置、稳定队列 长度在期望值附近及算法的复杂度等方面仍有缺陷，不能得到令人满意的效果。还 存在以下问题： a q m 性能对参数的变化很敏感。 a q m 大都是基于特定t c p 模型，必然有它特定的适用场合，因此不适应动 态网络环境，缺乏智能性。 a q m 是针对端到端拥塞控制的性能恶化提出的，在重负荷网络下稳定延迟上 存在缺点。 a q m 中大队列长度通常导致更大的分组延迟：比如r e d t 8 】和其改进算法 p i d t 9 】，p i d 比r e d 更好控制端到端延迟，而p i d 比r e d 有更大的队列长度抖动同 时延迟波动增大。 许多现有的a q m 算法在设计上研究缺乏系统的理论，很大程度依赖于直觉 重庆邮电大学硕士论文第一章绪论 和启发性，使得最终在稳定性和强健性方面存在不少问题。 如何解决这些问题，以实现高吞吐量和低时延之间的平衡，实现拥塞的有效控 制，理想的途径是吸取先进控制理论进行综合设计。把模糊控制技术引入到a q m 中有望较好地解决拥塞控制问题。模糊控制器实际效果成功的关键在于针对网络实 际特性，得到全面准确的模糊控制规则，使得模糊推理更能合乎实际情况。模糊控 制适合于滞后系统、非线性系统、时变系统和很复杂系统，且在吞吐量、网络利用 率等诸多方面有所改进，具有广泛的应用前景。但是，基于模糊控制的a q m 不能 充分发挥模糊控制潜在的智能特性，怎样更好地利用已有的模糊经验知识和一些己 设计出的模糊控制规则库组成的模糊规则集合等都有待解决，关于此方面的研究具 有重要的研究意义。 1 1 2 主动队列管理的研究现状 a q m 的研究动议是由b r a d e n 等人在i e t f 在1 9 9 8 年提出的，与其密切相关的 r e d ( r a n d o me a r l yd e t e c t i o n ) 算法的研究却是由来已久了。早在1 9 9 3 年，f l o y d 和 j a c o b s o n 就提出了r e di s ，当时的主要目的是克服“早期随机丢弃网关偏袒突发 业务而造成的不公平问题。在提出a q m 的研究时，r e d 是惟一能实现其技术目标 的算法，所以r f c 2 3 0 9 将其推荐为a q m 的惟一候选算法。除了p i ( p r o p o r t i o n a l i n t e g r a l ) o 川、a v q ( a d a p t i v ev i r t u a lq u e u e ) 川和r e m ( r a n d o me x p o n e n t i a lm a r k i n g ) 1 1 2 j 外，大多数算法都沿用了r e d 分组概率丢弃机制。 r e d 拥塞控制算法的基本思想是通过监控路由器输出端口队列的平均长度反映 网络拥塞状况，一旦发现拥塞逼近，就随机的选择连接来通知拥塞，使它们在队列 溢出导致丢弃分组之前减小拥塞窗口，降低发送数据速度，从而缓解网络拥塞。r e d 算法在一定程度上维持了小的队列长度，在高吞吐量和低延时之间达到合理平衡， 有效地克制了突发性流所带来的扰动，避免一些情况的队列溢出，比传统的被动式 管理算法“尾部丢弃 体现出明显的优越性和有效性。随着工程实践的验证，r e d 算法的一些缺陷也暴露出来b 3 1 1 4 】，比如r e d 对参数( m i n t h ，融m a x p ，w e i g h t ) 设置很敏感，改变参数对性能影响很大，如何根据具体业务环境选择最合适的参数 是r e d 存在的一个重要问题；随着网络中“流”( f l o w ，指一个t c p 连接) 数目 的增加，网关的平均队列长度会逐渐增加，因而不能很好地适应网络负荷的变化， 同时算法的公平性也有一些问题。 许多研究针对r e d 缺陷提出新算法，针对第一个问题提出了g e n t l er e d ， s r e d b s i 等。虽然s r e d 比r e d 性能更好，但是比较难将队列控制在期望值，并且 在r e d 的基础上又增加了两个参数，使得参数配置更难。针对第二个问题提出了 4 重庆邮电大学硕士论文第一章绪论 a r e d 1 6 1 ，s r e d ，b l u e 1 7 】和a v q 等，它们的主要思路是根据网络中负载的情况 对标记丢失概率进行动态调整。a r e d 是基于r e d 的算法，其主要思想是根据网 络负载的情况调整p m a x ，当平均队列小于m i n t h ，就减小p m i n ：当平均队列大于 m a x t h ，就增大p m a x ，在a r e d 中，不需要使用“单流信息”( p e r - f l o wi n f o r m a t i o n ) 。 s r e d 的主要思想是通过估计网络中流的个数来调整报文标记丢失概率。在s r e d 中流的个数通过概率统计的方法获得，所以也不需要使用“单流信息 。s r e d 的 方法是调整最大丢包率，当缓存溢出掉包时增大m a x p ，当缓存空闲时，减小m a x p 。 s r e d 的缺陷是s r e d 虽然给出了鉴别非适应流的方法，但并没有一种量化的标准， 比如通过对c o u n t 值进行分级，以此判断一个流是否为非适应流；而且s r e d 也没 有给出一个有效的限制非适应流的机制。s r e d 难以控制队列长度在期望值。b l u e 的主要思想是通过链路空闲和缓冲溢出的状况来调整报文标记丢失概率。如果缓冲 溢出，就增大概率，如果链路空闲，就减小概率；但是b l u e 难以控制队列在期望 值。 a q m 策略在高吞吐量和低时延之间做出合理平衡的关键在于始终将队列长度 维持在一个较小的期望值。从控制系统的角度分析，这是典型的调节系统的技术目 标。研究者纷纷将网络拥塞控制归结为反馈控制问题，运用控制理论解决拥塞控制 问题。提出了p i 控制器、a v q 算法和r e m 算法，它们的基本思想都是在a q m 中 使用p i 比例积分控制方法消除了稳态误差，却降低系统的响应速度，增加系统的收 敛时间。当网络中的流量发生很大变化时，使用p i 控制器需要的收敛时间要远远长 于使用p r o p o r t i o n a l 控制器的情况，这是p i ，r e m 和a v q 都存在的问题。 经典控制理论对问题的解决很大程度上依赖于被控对象的数学模型精度，但要 得到实际对象的精确模型并非易事，往往需要诸多假设和限制，未从根本上完全解 决拥塞控制问题。智能控制是控制理论发展的高级阶段，它主要解决经典控制理论 难以解决的复杂系统的控制问题，针对的研究对象是不确定的模型，高度的非线性， 复杂的任务要求。模糊控n ( f u z z yc o n t r 0 1 ) 即模糊逻辑控制( f u z z yl o g i cc o n t r 0 1 ) 和 神经网络控制作为智能控制的二大分支，近年来在网络拥塞控制中得到广泛应用 1 8 1 o 目前的研究主要在以下几方面引入模糊控制技术对现有a q m 改进：用于队列 长度管理【1 9 l ；不同连接的处n e 2 0 j ；用于丢包方法的处n 2 1 】；与其他控制技术的结合； 与自适应思想的结合田】 2 3 1 和与现有算法的结合用于提高网络利用率。为了解决队列 长度难以维持在目标值和参数难配置问题，有研究提出了基于模糊控制的r e d ， s r e d ，b l u e 等。比如，因为r e d 用队列长度作为拥塞指示器，来判断丢包率的， 这种方式不能完全反映拥塞的严重程度；如果r e d 拥塞反馈过于积极，会导致过 多包被丢失，所以提出模糊控制器调整拥塞反馈速率与流相适应。 重庆邮电大学硕士论文 第一章绪论 研究表明把模糊控制应用于a q m 中具有设计科学；参数配置容易；比一般的 a q m 使系统的实时性、鲁棒性和系统的抗噪声和抗干扰能力有所增强；有更低的 收敛速率，较快收敛队列长度到期望值，维护高利用率和低平均时延，能适应动态 网络环境。在模糊控制的发展初期，大多数学者的主要精力放在模糊控制的应用研 究上，在很多领域取得辉煌的成果。 但是，互联网中的流量具有很强突发性，a q m 算法的反应速度缓慢将不可避免 导致长队列和分组的大量丢弃。有突发流和短暂拥塞时，由于如果没发生拥塞，而 模糊控制器输出的丢弃概率太大，队列长度就被过分地控制，利用率会很低；相反 如果发生了严重的拥塞，而模糊输出的丢弃概率太小，队列长度不能有效控制，会 抖动，这样基于模糊控制的a q m 就难以很好适应动态环境。研究表明仅仅在单纯 f t p 流环境下对基于模糊控制的a q m 进行仿真，没有给出多业务模型下的算法控 制效果是不够的。把模糊控制用于主动队列管理还有许多问题需要进一步地研究， 譬如：控制系统的稳定性、公平性、复杂性和可测性，异构网络环境下的强健性， 怎样更好地利用已有的模糊经验知识和一些已设计出的模糊控制规则库组成的模糊 j 规则集合。 解决基于模糊控制的a q m 算法存在的上述问题，研究者纷纷引入新的技术与 模糊理论结合，比如自适应、自校正算法等，这些算法具有能够在较短时间内使信 ? 息重新稳定在队列阀值附近，并且不会出现震荡的现象。也有少量研究把智能优化 算法引入到模糊控制理论中应用于主动队列管理算法，但这些方法仍处于进一步地 观察和研究探索中。 文献 4 】和文献 1 9 1 提出了模糊自适应p i 。在a q m 算法中加入比例、积分环节 以缩短系统的响应时间，有效的把控制队列长度控制在目标值附近，克服系统的扰 动。由于网络流量具有突发性和时变性，因此传统的基于线性化建模的p p i 设计难 以获得良好的控制效果。根据队列长度和队列长度的变化，通过模糊控制规则在线 调整p i 控制参数来调整数据包的丢弃概率，从而使路由器的队列长度稳定在参考值 附近。此模糊控制器的输入是队列长度的误差和误差的变化率，输出的是p i 控制器 的参数。仿真结果表明模糊自适应p i 改善常规p i 的收敛速度，能在保证队列控制 的稳定性基础上，加快队列收效速度，减少超调量，并能适应各种网络条件和网络 业务流的变化。 文献 2 1 1 和文献 2 2 】为提高动态环境下a q m 的性能，使用自适应机制与模糊理 论相结合，提出了自适应模糊控制算法。文献 2 l 】中提出一种基于模糊逻辑的主动 队列管理算法。算法依据路由器中队列长度的变化情况，根据一定的模糊自校正原 则来调整数据包的丢弃概率，从而使路由器中的队列长度稳定在参考值附近。仿真 结果表明该算法对不同的网络状况具有较好的适应能力。文献【2 2 】提出模糊控制是 6 重庆邮电大学硕士论文第一章绪论 静态系统，参数和模糊规则是静态的，在当前具有突发性和时变性的网络环境下， 如何配置参数和模糊规则是需要解决的问题。必须在系统中嵌入自适应调节机制以 适应动态网络环境，自适应调节机制周期性的对模糊控制规则进行调节。为此，提 出自适应a f r e d ( a d a p t i v ef u z z yr e d ) 算法，它是在模糊控制的r e d 算法中加入 a a m ( a d a p t i v ea d j u s tm e c h a n i s m ) ，用a a m 模块周期测量缓存真实的丢包比例，判 断拥塞程度，输出响应的动作动态调整f r e d 的模糊规则，然后，f r e d 根据模糊 规则计算相应的丢弃概率，控制队列长度。a f r e d 算法采用自适应机制，比f r e d 更稳定，对参数不敏感。和f r e d ，p i 比较有更高吞吐量，即使有u d p 流也能比 f r e d 等更能k 很z 好把队列维持在期望值。 文献 2 4 】提出模糊控制a q m 大多用三角隶属函数和通常的模糊规则，它需要自 适应模糊控制器修正调节适应被控对象的动态变化和外部干扰。但是许多的自适应 控制器需要耗费大量的计算资源不能适应实时系统的，特别是当a q m 路由器每秒 要处理成千上万分组时。为此，文献【2 5 】用记忆存储( t h em e m o r ys a v i n gs c h e m e ) 避免隶属函数修正，在网络环境变化时控制器有更高的鲁棒性和丢包率增减平滑。 自适应机制用于改善基于模糊控制的a q m 是值得研究的问题。可借鉴上述研 究中的自适应机制调整a q m 算法的参数或模糊规则等，实时调整进入路由器数据 包的丢弃概率以适应网络的动态变化，提高算法响应速度，提高a q m 算法在复杂 动态网络环境下的稳定性、适应性、吞吐率和链路利用率，使a q m 算法能对网络 流量的变化提前做出决策。 1 2 本文的主要工作 为了提高基于模糊控制的a q m 算法在突变流量或短暂拥塞时的鲁棒性和稳定 性等。本文从自适应的角度出发对基于模糊控制的f r e m ( f u z z yr e m ) 算法改进， 提出了两种方案。这两种方案的主要思想是预测网络的拥塞状况，进而调整f r e m 参数，输出与当前负载匹配的丢弃概率，有效控制队列长度。 第一种方案：自适应f r e m 算法一( 御r f i 也m ) 。它把平均队列长度作为拥塞指 示，采用指数加权算法计算出平均队列长度，与设定阀值比较后，判断出负载情况， 得到真实的目标队列长度替代f r e m 的参考队列长度，输出与当前负载匹配的真实 丢弃概率。a t f r e m 能根据流量变化调整t q l 大小，使网络系统在高吞吐量、低 延迟、低丢失率中达到一定程度的平衡。 第二种方案：自适应f r e m 算法二( a f r e m ) 。它把平均队列长度和丢包比例 作为拥塞指示，采用指数加权算法计算出平均队列长度和丢包比例的变化速率，与 设定阀值比较后，判断出负载情况，对f r e m 算法输出的丢弃概率调整，得到与当 7 重庆邮电大学硕士论文第一章绪论 前负载匹配的真实丢弃概率。a f r e m 能根据流量自适应调节进入路由器的丢弃概 率，有效地将队列长度钳制到固定t q l 附近。 1 3 本文的结构 本文共五章，各章节的内容组织如下： 第一章介绍了拥塞控制的背景知识，分析了主动队列管理和基于模糊控制的 a q m 的研究现状和意义，a q m 存在的问题及改进方向；最后介绍了本文的预期工 作等。 第二章概述了主动队列管理技术r e m 算法；概述了模糊控制理论和基于模糊控 制的f r e m 算法：并讨论了它们各自的优点和不足。 第三章提出a t f r e m 算法，并进行仿真分析。 第四章提出a f r e m 算法，并进行仿真分析。 第五章是结论和展望。 8 第二章基于模糊控制的a q m 算法( f r e m ) 概述 在实际网络中，现有a q m 算法在响应速度、稳定性及环境敏感性等方面仍有 缺陷。由于模糊控制对模型的不确定性具有较好的适应能力，可用于被控过程模型 存在很强的不确定性、复杂时变、非线性和附加噪声( 噪声包括t c p 非适应流，如 u d p 等) 。模糊控制技术能够发挥相应的优点，把模糊控制技术引入到a q m 中有望 实现拥塞控制的智能化，通过模糊推理计算出路由器缓冲区的分组丢失率，较好地 解决实际网络中的拥塞问题，优于传统算法。 f r e m 是在具有代表性的算法“随机指数标记 ( r e m ) 的基础上加入模糊控制 技术实现的。它用模糊控制器计算分组标记丢弃概率替代r e m 算法中用指数函数 计算分组标记丢弃概率。 2 1f r e m 算法的设计背景 2 1 1 主动队列管理系统 目前人们已经提出了许多主动队列管理算法，a q m 算法的不同之处在于判断拥 塞状况的机制和标记概率的调整方法。它们的核心思想是对拥塞进行早期检测，在 队列尚未溢出以前就根据各种机制判断网络中的拥塞状况而采用一定的概率进行丢 包，或通过标记包来通知发送端，采取一定拥塞控制措施，从而达到降低丢包率、 端到端延迟和提高链路利用率、吞吐量的目的来保障q o s 。a q m 避免了队列溢出， 解决了满队列问题。 网络拥塞控制a q m 系统如图2 1 所示。a q m 模块根据队列长度口( t ) 变化，在 缓存溢出之前对到达的数据包以概率p ( t ) 丢弃，这个概率经过一些时延后被源端检 测到，源端由此判断网络状态，然后源端的速率控制算法调整发送速率，从而使路 由器缓存的队列长度得到控制，保持在目标队列长度饥，附近。从这个角度看，a q m 是系统的控制器【堋，输出p ( t ) 为系统的控制信号，而源端的速率控制是系统的执行 器，它和路由器的队列长度以及链路延迟一起，成为系统的广义对象p ( 广义对象 p 为图2 1 虚线框所包含的范围，包括发送端、缓冲区队长) 。 9 反馈 图2 1a q m 算法的系统结构模型 a q m 策略有