基于NS-2的主动队列管理算法的仿真研究

主动式队列管理技术是IETF为了解决Internet拥塞控制问题而提出的一种路由器缓存管理技术.本文使用了目前应用较为广泛的网络仿真器NS-2,对AQM算法RED和BLUE的性能在基于NS-2仿真实验的基础上进行了比较研究,研究的性能包括在突发流情况下平均队列长度、丢包率和吞吐量等,并在此基础上对BLUE算法在突发流情况下队列稳定性进行改进.仿真结果表明在应对突发流方面,BLUE算法的性能优于RED算法,改进的BLUE算法能够更好地保持队列的稳定性.     

改进ARED拥塞控制算法研究与实现

为实现基于路由器的拥塞控制算法性能提升,分析了RED与ARED拥塞控制算法,并提出一种改进算法QARED。与传统DropTail算法对比,RED算法具有较高链路利用率、吞吐量及较低网络延迟、丢包率等优点,但存在参数配置无法适应网络动态改变的缺点。ARED算法增加了自适应功能,根据平均队列长度变化动态调整最大丢包概率,稳定平均队列长度在最小阈值与最大阈值之间,但存在瞬时队列长度振荡等稳定性问题。改进算法QARED,通过优化最大丢包概率计算函数,以提高平均队列长度稳定性、降低丢包率、提高吞吐量。通过NS2仿真网络环境对比,改进算法QARED相对ARED算法在控制平均队列长度上更具稳定性,能够实现更低网络延迟与丢包率,提高了动态网络环境下拥塞控制稳定性。     

NS-3下新队列管理模块的实现

网络仿真是网络技术研究的一种基本手段。NS-3是目前广泛使用的离散事件驱动的网络模拟器NS-2的后续版本。目前NS-3版本中的实现的队列管理模块只有默认的使用DropTail方式的队列管理模块。以实现主动队列管理算法RED算法为例,阐述了如何在NS-3中实现一个新的队列管理模块并进行仿真的方法。     

基于扩展卡尔曼滤波器的网络队列预测

为解决网络队列动态预测问题,提出一个网络系统在泊松分布流量和指数服务时间下的暂态队列行为预测模型并进行仿真验证。阐述基于扩展卡尔曼滤波（Kalman）的预测模型及其具体算法,结合网络中的数据流量特性,构建基于扩展卡尔曼滤波器的网络暂态队列预测模型,并根据仿真网络中的实际数据对模型进行验证。实验结果表明,所建立的网络暂态队列实时预测模型预测效果比较理想,基本与实时队列长度保持一致。因此,该模型可以较低的代价应用于网络中的动态路由算法及拥塞控制算法中。     

基于NS2的队列管理算法DropTail和RED仿真与研究

随着Internet的快速发展网络拥塞问题随之产生,拥塞控制行之有效的手段是在网络层实现队列管理。队列管理算法可以分为主动队列管理和被动队列管理两种。通过NS2仿真实验,对主动队列管理算法RED、被动队列管理算法DropTail的平均队列长度、吞吐量、丢包率、时延四个主要性能指标进行了比较。将得到的仿真数据进行分析,在队列长度、时延、丢包率方面,RED算法比起DropTail算法有着绝对的优势;在吞吐量方面,两种算法相差不大。因此,得出在队列管理算法中采用RED比采用DropTail更有效,为进一步研究拥塞控制算法提供了依据。     

基于主动队列管理的提高QoS的策略研究

在下一代互联网中,各种业务特别是视频、音频等实时业务对服务质量（QoS）提出了较高的要求,主动队列管理可以提高吞吐量、减少延迟。论文基于主动队列管理算法提出了改进的管理方案,该方案在丢包率的增幅上根据拥塞的程度分为两个区间,改变了以前丢包率恒定增幅的思想;首先构建网络拓扑,规划仿真方案,然后通过仿真实验加以验证、测试,改进后的方案在吞吐量、队列延迟等性能上优势比较明显。该方案对提高网络性能、改善用户的网络体验有一定的效果。     

一种非线性的高阶修正的RED改进算法

路由器中队列长度的变化是非线性的,针对原始随机早期检测RED算法在线性丢弃概率增长下的局限性,提出一种非线性高阶函数修正分组丢弃概率的改进RED算法(简称NLRED算法).通过NS2对FTP、CBR应用层业务流的仿真实验,结论表明改进的算法NLRED在提高网络吞吐量、网络链路利用率,减小分组在路由器中的排队时延等方面性能均有所提高.     

基于最优学习的随机网络优化算法

为了应对动态的网络环境,设计了基于最优学习的网络队列控制(Optimal Learning based Queuing Control,OLQC)算法.OLQC是一种在线算法,能够感知环境的变化,并自行学习最优的队列控制策略.仿真实验结果表明,OLQC算法能够以较低的能耗来维持网络的稳定性,并能自适应地应对网络的变化.     

对优化PI模型的WSN网络拥塞控制机制的分析

为解决无线传感器网络拥塞引起丢包率高和网络吞吐率过低的问题,提出一种基于改进PI主动队列管理模型和量子粒子群(QPSO)算法的拥塞控制方法:首先定义改进的PI主动队列管理模型,然后采用改进的量子粒子群算法对比例系数和积分系数和进行参数整定、优化,并得到PI控制模型;最后定义基于量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.仿真实验表明,文中方法能有效实现WSN拥塞控制,与其它方法相比,具有较短的平均队列长度和较大的吞吐率的优势.     

多小区蜂窝边缘计算中基于虚拟延时队列的BP调度（英文）

为了进一步改善多小区蜂窝边缘计算系统中的延时性能,提出了一种新的基于延时驱动的联合通信与计算资源BP(backpressure)调度算法.首先,为多小区蜂窝边缘计算系统中的通信与计算延时建立数学模型并表达为虚拟延时队列.然后,基于该虚拟延时队列模型,以BP调度算法为框架,以稳定虚拟延时队列为优化目标,设计了一种新型的联合无线子载波与计算虚拟机资源调度算法.最后,对所提出基于虚拟延时队列的BP调度算法的延时性能进行了仿真评估,并与传统基于队列长度的BP调度算法进行了对比.结果表明,在所采用的仿真条件下,所提出BP调度算法的总延时总是低于传统基于队列长度的BP调度算法.特别地,当计算资源异构配置时,总延时减少的百分比可以达到51.29%.因此,与传统基于队列长度的BP调度算法相比,所提出的基于虚拟延时队列的BP调度算法可以进一步降低延时.     

一种降低丢包率的主动队列管理改进算法

在网络拥塞控制（AQM）策略中,RED算法控制参数的设置和网络变化很敏感。这种敏感性严重影响了RED算法在实际中的应用,新策略HERED在RED中使用风险率评估的包丢弃方法。该方法能够根据负载情况动态调整弃包策略,即在轻负载时减缓弃包,在重负载情况下加速弃包。通过基于linux平台使用NS～2网络仿真工具证明了,在各种RED策略中,HERED能够实现更稳定的吞吐率,且由于弃包率最低而具有更好的性能。     

基于遗传算法的网络拥塞控制新策略

推导了基于流体流理论的网络简化模型,并基于该模型将遗传算法应用于PID控制器参数优化,定义了一个综合调节时间、上升时间、超调量、系统误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得使性能指标优化函数极小化的一组PID控制器参数,而将PID控制器应用于网络主动队列管理系统中。仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于RED、PI算法。     

主动队列管理（AQM）中的算法改进研究

当今时代,远程通信技术飞速发展,网络用户人数呈几何级数激增,这就使解决网络拥塞成为了一个亟待解决的问题．网络拥塞不仅会使网络通信质量下降,还会影响用户的服务质量水平QoS（Quality of Service）,甚至还会影响到网络安全．本文通过分析当今因特网中流量控制,拥塞管理以及服务水平提供的机制,如TCP／IP协议中的开环,闭环控制和主动队列管理机制（AQM）,介绍了一种改进之后的算法,将其与早期的简单弃尾算法和RED算法相比较,并将实验结果进行了总结．     

一种调节丢包率的RED改进算法

随机早期检测RED(Random Early Detection)算法是一种有效的基于中间节点的拥塞控制策略。结合平均队列长度和瞬时队列长度,通过一种简单而有效的机制调节RED的丢包率,得出一种改进算法—SERED。NS2仿真实验结果表明,新算法的性能优于RED算法。     

Development and Validation of a Rubric for Diagnosing Students’ Experimental Design Knowledge and Difficulties

It is essential to teach students about experimental design, as this facilitates their deeper understanding of how most biological knowledge was generated and gives them tools to perform their own investigations. Despite the importance of this area, surprisingly little is known about what students actually learn from designing biological experiments. In this paper, we describe a rubric for experimental design (RED) that can be used to measure knowledge of and diagnose difficulties with experimental design. The development and validation of the RED was informed by a literature review and empirical analysis of undergraduate biology students’ responses to three published assessments. Five areas of difficulty with experimental design were identified: the variable properties of an experimental subject; the manipulated variables; measurement of outcomes; accounting for variability; and the scope of inference appropriate for experimental findings. Our findings revealed that some difficulties, documented some 50 yr ago, still exist among our undergraduate students, while others remain poorly investigated. The RED shows great promise for diagnosing students’ experimental design knowledge in lecture settings, laboratory courses, research internships, and course-based undergraduate research experiences. It also shows potential for guiding the development and selection of assessment and instructional activities that foster experimental design.     

《姑妄言》艺术特色初探

新发现的《姑妄言》，是介于《金瓶梅》与《红楼梦》之间的又一部世情小说奇书，并在《金瓶梅》等章回名著的基础上向前推进了一大步，对《儒林外史》和《红楼梦》也有明显的启示和影响。在艺术上，《姑妄言》在章回体式，人物塑造，心理刻画，环境描写以及结构和语言等方面都很有特色。     

英语网络课堂教学学习绩效影响因数实证研究——对学生英语网络学习与自我认同及虚拟环境微系统关系的探索

本章以西南地区高校学生为调查对象,通过测量学生网络学习与自我认同及虚拟环境微系统的关系,以期探索影响英语网络学习绩效的因数,据此创建科学合理的“英语网络学习绩效评价体系”,为我国的政策制定者、高等教育管理者和研究者提供一套有效的英语网络学习绩效评价工具。     

一种新的入侵检测方法

将一种基于聚类算法的RBF(径向基函数)神经网络方法运用于入侵检测中。在这种方法中采用两阶段学习方法,在利用非监督学习算法确定网络隐层中心时,提出一种基于高斯基的距离度量,并联合输入输出聚类的策略。基于F isher可分离率设计高斯基距离量度中的惩罚因子,可以提高聚类的性能。通过构建入侵检测模型,一方面可以加速网络训练速度,另一方面可以提高入侵检测在预测误报漏报中的性能。     

MANET网络安全协议仿真系统设计和实现

在真实的网络环境中分析和设计MANET(Mobile Ad hoc Network)网络安全协议耗资巨大,因此开发对MANET网络安全协议进行性能分析的仿真软件具有重大意义.在分析MANET网络安全协议仿真的具体需求基础上,基于NS2设计和实现了集成可视化网络拓扑生成、安全协议配置、网络数据流的设置、攻击事件的设置、仿真脚本自动生成到攻击过程的仿真运行和协议性能的对比分析等功能于一体的仿真系统,通过对不同网络安全协议在不同攻击下仿真结果数据的延迟、控制开销、吞吐量,丢包率、包交付率和抖动等参数的对比分析,系统可实现不同ad hoc网络安全协议的性能分析,系统还可动画演示协议受攻击时的节点运动信息、数据包信息、数据流信息和攻击信息等细节的动态变化过程.     

Nonlinear Time-Varying Systems Identification Using Basis Sequence Expansions Combined with Neural Networks

A new method for identifying nonlinear time-vaying systems with unknown structure is presented,The method extends the application ar5ea of basis sequence identification.The essential idea is to utilize the learning and nonlinear approximating ability of neural networks to model the non-linearity of the system,characterize time-varying dynamics of the system by the time-varying parametric vector of the network ,then the parametric vector of the network is approximated by a weighted sum of known basis sequences,Because of black-box modeling ability of neural networks,the presented method can identify noninear time-varying systems with unknown structure,In order to improver the real-time capability of the algorithm ,the neural network is trained by a simple fast learning algorthm based on local least squares presented by the authors,The effectiveness and the perfomence of the method are demonstrate3d by some simulation results.