论文部分内容阅读
随着网络技术的快速发展,网络规模迅速扩大,因特网呈现出爆炸式的增长,同时伴随着各种网络应用,特别是多媒体应用的不断涌现,用户数量迅速增加,使因特网的流量急剧增加,由此而引发的网络拥塞已经成为制约网络发展和应用的瓶颈问题。近年来,通过对大量实际网络业务流的测量与分析表明,网络业务流呈现出明显的自相似性。由于自相似业务下的网络性能与传统模型的结论有较大差异,致使自相似业务下的网络管理、拥塞控制等都与以往不同。论文首先分析两类网络拥塞控制算法,特别是几种常见的主动队列管理算法,通过仿真验证网络流量的自相似性对AQM算法性能的影响;接着在分析自相性对网络性能影响的基础上,对经典的自适应随机早期检测算法进行改进,提出自相似业务下IARED(Improved Adaptive Random Early Detection)算法。最后将LMMSE(Linear Minimum Mean Square Error)流量预测模型和IARED算法相结合,提出基于自相似流量预测的PIARED(prediction IARED)算法,并与IARED算法进行仿真比较。论文的主要贡献如下:(1)研究了几种常见的主动队列管理算法,分析各种算法的工作原理及优缺点,并利用OPNET网络仿真工具,仿真比较了短相关与自相似业务流下主要主动队列管理算法的性能和不同自相似程度下各主动队列管理算法的性能。(2)从自相似现象入手,研究自相似过程的特性,提出自相似业务下改进的自适应随机早期检测算法(IARED)。算法利用自相似过程的自相关函数来设置平均队列长度计算公式的权值;根据当前平均队列长度与目标队列长度的变化率和当前平均队列长度与上一时刻平均队列长度的变化率两个参数来动态调整最大包丢弃概率。最后仿真验证了算法的有效性。(3)利用自相似流量的可预测性,采用LMMSE流量预测模型对包到达时间间隔进行预测,并将流量预测结果引入到改进算法中,使算法能够根据自相似业务流变化动态调整分组丢弃概率,对平均队列长度进行有效控制。最后仿真比较了算法的有效性。