一种用于web网络的ljpn控制算法

一种用于web网络的ljpn控制算法

计算机网络的访问监控是确保网络鲁棒性的重要机制。文献提出主动队列管理(ActiveQueueManagement,AQM),以有效配合端到端的拥塞控制。改进的随机早期检测算法(RED)鲁棒性不高。对参数变化快、干扰多的复杂网络系统,目前缺乏针对非线性动力系统模型的理论研究。文献对非线性系统引入反步法,提供了一种构造全局稳定控制器的通用工具。本文将该方法应用于AQM网络拥塞控制,并采用Lyapunov直接方法,获得了比传统算法更大的稳定域。1需要控制缓冲速率qt假设网络只有一个瓶颈链路,TCP/IP拥塞控制系统引用文献的非线性微分方程来描述,即其中,q(t)为路由器缓冲区平均队列长度;r(t)为发送速率;C为传输带宽;N为TCP连接数;R为往返时延;P(t)为包丢失或标记的概率;qmax为链路中缓冲区的最大长度。假设1存在充分大的t0≥0和某个0T>0,α0>0,使得对任意的t≥t0,P(t)满足假设22主要结果2.1误差指数收敛设计状态观测器对式(1)描述的系统状态进行估计:定义为发送速率实际值与其估计值之间的误差。引理考虑满足假设1和假设2的式(2),若初始值满足则观测器状态满足由假设1和可以得到关于误差ε指数收敛的命题。命题选取状态观测器初值,使ˆr(0)≥0,满足假设1和假设2的输入P(t)是t的非负函数,在区间上取值,t0≥0充分大,当t≥t0时,观测误差满足2.2基于lyapunov线性动力系统的控制律设计由命题可知,当t充分大时,估计误差ε指数收敛于零点,因此,考虑如下系统控制问题:定义误差变量z1=q(t)-qd,dq为给定队列长度。取Lyapunov函数沿z1子系统求导,可得式(5)应用了不等式按虚拟控制定义,可取其中,α1(z1)=-k1z1+C为通过虚拟控制输入镇定式(3)所述子系统的目标反馈律。把代入不等式(5),可得取Lyapunov函数由以上推导可得z2的动力方程为为叙述方便,记则z2可以转化为则有式(3)和式(4)组成的系统的控制律取为其中,常数k1>0,k2>0用于调节控制增益。定义则由式(6)可得记则A>0为常数。微分方程的闭环解为当t≥t0时,由命题可知误差ε指数收敛,根据Lyapunov稳定性定理可知,闭环系统在概率意义下渐近稳定。令B=Am2ε2(t0),则式(8)可以改写为基于上述推导过程,可知存在一个稳定域:由式(7),可以得到系统的实际控制律为以下定理表明,通过选取适当的参数k1,k2,可以使对于所有定理对满足假设1和假设2、如式(1)所述的非线性动力系统,观测器初始状态值ˆr(0)≥0,并选取参数k1,k2,使以下不等式成立:则式(1)所述闭环系统在式(9)的作用下,渐近稳定于平衡点上述定理可以由控制器分析设计过程得到证明。假设Bg(γ1,γ2)<(qmax-qd)22成立,吸引域的估计值由ΩB确定。3bs控制算法仿真使用NS-2软件进行仿真,为了检验BS算法在不同网络流量下的适应能力,实验在FTP流与HTTP流并存的情况下进行。本文实验采用如图1所示的网络拓扑结构。平均分组大小为NS-2的默认值,即1KB,路由器缓存大小为800个分组。为了与文献进行比较,设定NS-2仿真器中RED模块参数为max＿th=700分组,min＿th=150分组,q＿weight=1.33×10-6且cur＿max＿p=0.1。实验1(小流量小延迟情况下的仿真)连接数n=90,瓶颈链路延迟delay=80ms,共有90个FTP流(贪婪流)和180个HTTP流,仿真时间T=200s。2种算法的仿真结果如图2所示,统计性能如表1所示。可以看出,BS算法使网络具有更快的响应速度和更平稳的队列。实验2(大流量大延迟情况下的仿真)为了验证连接数目和往返时延的增大不会造成系统性能的下降,设置n=180,瓶颈链路延迟delay=250ms,共有180个FTP流和360个HTTP流。由图3和表2可知,BS控制算法在大时延网络中保持了良好性能。实验3(动态环境中小时延情况下的仿真)瓶颈链路延迟delay=80ms,仿真时间T=0,启动120个FTP流和180个HTTP流。当T=100s时,停止40个FTP流。当T=200s时,停止的40个FTP流恢复,并加入40个FTP流。仿真在T=300s时结束,结果如图4和表3所示。由图4可知,在动态网络环境中,BS控制算法能快速响应链路数的变化,并保持较小的队列抖动,缓存队列迅速收敛且保持了良好性能。RED算法则需要更长收敛时间,且缓存队列振荡幅度较大。4非线性输出反馈