自相似業(yè)務(wù)流下自適應(yīng)RED算法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)規(guī)模迅速擴(kuò)大，因特網(wǎng)呈現(xiàn)出爆炸式的增長，同時伴隨著各種網(wǎng)絡(luò)應(yīng)用，特別是多媒體應(yīng)用的不斷涌現(xiàn)，用戶數(shù)量迅速增加，使因特網(wǎng)的流量急劇增加，由此而引發(fā)的網(wǎng)絡(luò)擁塞已經(jīng)成為制約網(wǎng)絡(luò)發(fā)展和應(yīng)用的瓶頸問題。近年來，通過對大量實際網(wǎng)絡(luò)業(yè)務(wù)流的測量與分析表明，網(wǎng)絡(luò)業(yè)務(wù)流呈現(xiàn)出明顯的自相似性。由于自相似業(yè)務(wù)下的網(wǎng)絡(luò)性能與傳統(tǒng)模型的結(jié)論有較大差異，致使自相似業(yè)務(wù)下的網(wǎng)絡(luò)管理、擁塞控制等都與以往不同。 論文首先分析兩類網(wǎng)絡(luò)擁

2、塞控制算法，特別是幾種常見的主動隊列管理算法，通過仿真驗證網(wǎng)絡(luò)流量的自相似性對AQM算法性能的影響；接著在分析自相性對網(wǎng)絡(luò)性能影響的基礎(chǔ)上，對經(jīng)典的自適應(yīng)隨機早期檢測算法進(jìn)行改進(jìn)，提出自相似業(yè)務(wù)下IARED(Improved Adaptive Random Early Detection)算法。最后將LMMSE(Linear Minimum Mean Square Error)流量預(yù)測模型和IARED算法相結(jié)合，提出基于自相似流量預(yù)測的

3、PIARED(prediction IARED)算法，并與IARED算法進(jìn)行仿真比較。論文的主要貢獻(xiàn)如下： (1)研究了幾種常見的主動隊列管理算法，分析各種算法的工作原理及優(yōu)缺點，并利用OPNET網(wǎng)絡(luò)仿真工具，仿真比較了短相關(guān)與自相似業(yè)務(wù)流下主要主動隊列管理算法的性能和不同自相似程度下各主動隊列管理算法的性能。 (2)從自相似現(xiàn)象入手，研究自相似過程的特性，提出自相似業(yè)務(wù)下改進(jìn)的自適應(yīng)隨機早期檢測算法(IARED)。算法

4、利用自相似過程的自相關(guān)函數(shù)來設(shè)置平均隊列長度計算公式的權(quán)值；根據(jù)當(dāng)前平均隊列長度與目標(biāo)隊列長度的變化率和當(dāng)前平均隊列長度與上一時刻平均隊列長度的變化率兩個參數(shù)來動態(tài)調(diào)整最大包丟棄概率。最后仿真驗證了算法的有效性。 (3)利用自相似流量的可預(yù)測性，采用LMMSE流量預(yù)測模型對包到達(dá)時間間隔進(jìn)行預(yù)測，并將流量預(yù)測結(jié)果引入到改進(jìn)算法中，使算法能夠根據(jù)自相似業(yè)務(wù)流變化動態(tài)調(diào)整分組丟棄概率，對平均隊列長度進(jìn)行有效控制。最后仿真比較了算法的