随着计算机网络的发展,互联网上的用户和应用都在急剧增加,因而导致了越来越严重的网络拥塞问题,已经严重阻碍了Internet的进一步发展。因此,网络拥塞控制是一个至关重要的问题,已经成为网络系统改善性能、提高服务质量的主要手段,网络拥塞控制问题的研究具有重要的理论意义和应用价值。主动队列管理(AQM)是网络拥塞控制中效果较好而广泛使用的一种方法,成为Internet拥塞控制领域的热点问题。本文在目前存在的AQM算法的基础上,将控制理论的思想引入到对AQM算法的设计中,提出了两种新的AQM算法,从而明显地改进了队列的稳定性,并且在公平性方面也有所改善。本文所做的主要工作如下:(1)设计了一种基于PID神经元网络(PIDNN)的AQM控制算法。使用梯度算法的学习规则来自调整神经网络参数,实现了丢包概率的自适应调整,从而对网络拥塞程度作出及时响应。仿真结果表明,这种算法在队列变化,丢包率两方面的性能要明显优于基于普通PID的AQM算法。(2)提出了一种基于速率和丢包率的RED算法(Rate and Loss-Ratio RED,RLRED)。该算法使用总的输入速率,丢包率以及队列长度这三者结合来自适应调节丢包概率从而有效地提供网络的拥塞指示。仿真结果表明该算法既保持了短的响应时间,又明显地改进队列的稳定,减小队列延迟。(3)研究了主动队列管理的公平性问题,修正并提出了一种新的公平性指标。通过仿真,对前面章节中设计的两种AQM算法以及标准的RED算法和PI算法进行比较,结果表明本文所设计的AQM算法能够更好地保证公平性。