基于随机早期检测的指数主动队列管理方法

摘要

拥塞直接影响到网络的性能，是计算机网络研究的一个重要课题。其中一个广泛研究的拥塞控制技术是随机早期检测(RED)。为了保持RED的性能以获得预期的结果，学者们通常将输入参数，特别是最大丢包概率，调整为特定的值(s)。不幸的是，将此参数设置为这些值将得到良好但有偏差的性能结果。本文提出了red -指数技术(RED_E)来解决这个问题，该技术在不利用最大丢包概率的情况下，以指数方式丢弃到达的包。仿真测试旨在将E_RED与其他主动队列管理(AQM)方法进行对比，使用不同的评估性能指标，包括平均队列长度( )，吞吐量( )，平均排队延迟( )，溢出丢包概率( )，和丢包概率( )．报告的结果表明，E_RED提供了略高的令人满意的性能参考和比在严重拥塞情况下常见的AQM方法发现的数量要多。此外，RED_E与所考虑的AQM方法相比，参照上述使用最小阈值位置( ）在路由器缓冲区。

1.介绍

随着计算机硬件和数据通信的快速发展，计算机网络的服务质量(QoS)已成为终端用户关注的重要问题[1，2］．QoS可以定义为数据遍历该网络时，用户所寻求的不同服务的网络性能[1］．QoS根据所使用的应用程序、网络服务提供商或用户之间的服务水平协议(SLA)的要求，向用户提供不同的级别[2］．最好的办法是互联网上使用的一种服务来传送包，而不区分由不同类别的服务产生的包[3.］．QoS可以通过带宽、丢包、抖动和延迟等不同的指标来评估。

在现代通信和计算机网络中，已经开发了不同的网络应用，如IP语音(VoIP)、视频会议、实时视频、电子邮件和文件传输。这些应用程序需要不同的QoS。例如，VoIP、视频会议和实时视频需要高带宽、低延迟和低抖动。此外，网络应用对丢包的敏感性较低。另一方面，电子邮件和文件传输的应用对丢包要求的敏感性较高，对带宽、时延和抖动的敏感性较低。提高网络的性能可以通过获取该网络的QoS来实现。许多研究人员提出拥塞控制技术[4- - - - - -9，10因特网12]，通过仿真实现，以提高具有不同QoS要求的网络性能[1，13，14］．其他拥塞控制技术已经发展成为处理QoS问题的分析模型[1，2］．例如，在[15- - - - - -18，作者提出了离散时间队列分析模型，旨在早期控制拥塞。研究人员(1，19，20.[也发展了分析模型来解决与计算机网络延迟有关的问题。

RED是为增强经典的drop-tail方法而提出的关键AQM技术之一[21)的性能。然而，尽管RED优于drop-tail方法，交通服务多样性的进步揭示了与RED性能相关的以下性能问题[2，22］．（1）通常，关键拥塞度量(平均队列长度( ））RED的使用根据拥塞程度不同而有所不同。例如,当靠近 ，光拥塞发生，而如果是附近的 ，十分拥挤。这可能会导致路由器缓冲区溢出，从而丢弃到达的数据包。（2）另一个问题是将RED的某些参数调优为特定值，即丢包的最大值( )，确保业绩令人满意。这产生了有偏见的结果。（3）经常取决于TCP连接的个数。当TCP连接数增加时，也会增加，并可能超过位置;因此，每个到达的数据包都会被丢弃。

本文讨论上述第二个问题，即调优，以保证高但有偏差的QoS。我们希望通过提出一种新方法来减少对取而代之的是一种新的指数测度(见方程(5))，基于平均队列长度( )．特别是,当在最小和最大阈值之间，所提出的拥塞控制方法以指数方式减少到达数据包。这将导致更现实的性能结果，而不是那些有偏见的结果。我们称这种算法为red -指数(RED_E)。

该方法通过仿真和离散时间队列方法实现[23］．离散时间队列方法被用来模拟数据包在每个被称为槽的时间单元中的到达和离开。在分段中给出了使用该方法的离散时间队列方法的进一步细节4.1．本文提出的RED_E算法的优点如下:(我)计算不涉及使用参数 ，在设置RED参数时放松用户的主观性;(2)改善的工作表现措施和与RED和一种基于RED的AQM方法(如NLRED)相比，尤其是在包到达概率非常高的情况下。

本文组织如下。本节介绍了相关工作，包括RED和NLRED方法2．部分3.提出了建议的RED_E。仿真细节将在本节中介绍4以及绩效衡量结果。最后，本节给出了结论和未来的工作5．

2.相关工作

２.１.红色和非线性红色

RED是已知的AQM技术之一，用于检测和控制拥塞[7］．RED依赖某些参数来计算它价值。这些参数 ， ， ，和 ．对于每一个到达路由器缓冲区的数据包，RED计算价值。当值小于 ，不会发生拥塞，因此不会有数据包被丢弃。然而,如果值小于等于或大于 ，这表明存在拥塞，并且路由器缓冲区有概率地丢弃到达的数据包。最后，当价值等于或大于 ，出现了严重拥塞，为了管理这种拥塞，每个到达的包都将被丢弃。这是通过丢弃到达的数据包到路由器缓冲区或通过使用显式拥塞通知(ECN)标记它们[18］．RED技术的伪代码显示在算法中1．

算法1说明RED利用几个因素进行计算和 ．这些因素解释如下: ：当前时间。 ：在RED路由器缓冲区开始空闲时间。 ：idle interval时间间隔内发送到RED路由器缓冲区的报文数。 ：自从最后一个数据包被丢弃后，到达RED路由器缓冲区的数据包没有被丢弃的数量。 ：瞬时丢包概率。 ：初始丢包概率。 ：瞬时队列长度。 ：队列的重量。 ：最大的价值 ． ：线性函数。

RED的主要问题之一是，在不同的流量负载下，参数的设置不能保证稳定的性能[24］．这可以归因于线性丢包概率函数，当流量负载较轻时往往是侵略性的，而当流量较低时则不是侵略性的，这可能会导致平均队列长度达到最大阈值。为了克服这个问题，[24]提出的非线性RED (NLRED)，它利用非线性丢包函数，类似于[4，25］．算法中给出了NLRED方法的伪代码2．

算法2显示NLRED路由器缓冲区作为RED的路由器缓冲区工作小于或者大于等于 ．在情况下之间的是和 ，然后，NLRED利用二次函数计算丢包概率，该函数给出 在哪里为丢包概率的最大值。如果使用相同的值红色和在NLRED中，由于NLRED的丢包概率值小于RED的丢包概率值，所以在所有的流量负载中NLRED都会比RED更温柔。如果RED和NLRED的丢包概率之和相似，则为将设置如下:

RED和NLRED方法的丢包概率函数如图所示1．

２.２.其他包技术

为了解决RED的第一个缺点，根据拥塞程度的不同，Adaptive RED (ARED)技术在[8］．ARED的目标是稳定值之间的特定级别和的位置。这样可以防止大量数据包的丢弃。

柔和红(GRED)技术[9，以减少丢包。这是通过防止每个到达的包丢弃时值=位置如红色所示[7];相反，GRED基于范围内的值概率地丢弃到达的数据包到1.0。

动态随机早期掉落(DRED)技术[5被建议处理依赖于TCP连接数;蓝色的技术(6]是为了提供比RED更好的丢包率和队列大小的网络需求而开发的[7］．

提出了有效的RED (ERED)技术，以简单和可扩展的方式降低丢包率。作者对RED的丢包功能做了一些修改，其余参数保持不变。他们使用平均队列大小和瞬时队列大小参数来细化和控制丢包功能。仿真结果表明，与RED相比，ERED具有更高的吞吐量和更低的丢包率。

[27]提出了一种基于RED的AQM算法，称为NPD-RED。该算法依赖于比例微分自整定反馈控制。NPD-RED依赖于当前队列长度和缓冲区长度的瞬时差分错误信号。对系统的稳定性进行了分析，并给出了选择TCP/RED反馈增益以保持当前队列长度的方法。使用仿真NS2将NPD-RED与RED进行比较;仿真结果表明，NPD-RED在平均队列长度、平均吞吐量和稳定性方面优于RED。

提出了一种基于RED的AQM算法[28］．改进的自适应RED算法利用模糊分布的上升半柯西特性，利用非线性平滑函数来计算丢包率。在ARED算法中，丢包率在最大阈值位置附近的增长速度较快，而在最小阈值位置附近的增长速度较慢。丢包概率的最大值( ）改进了平均队列的大小和目标，以适应网络条件的变化。

基于RED的两种离散时间队列分析模型，分别为RED-指数和RED- linear，旨在改善拥堵情况下的RED问题，由[29］．这两个分析模型通过使用瞬时队列长度代替平均队列长度作为拥塞度量来处理这个问题。当拥塞发生时，这两个模型的平均队列长度和平均排队延迟性能优于经典RED模型。

一种用于避免有线网络拥塞发生率的类学习自动机方法LALRED由[30.］．LALRED的目的是提高用于拥塞控制的平均队列大小的值，从而减少队列的总丢包量。

使用混合类型的流量，如TCP和用户数据报协议(UDP)的RED队列分析框架模型由[31］．得到了每个流的稳态良值表达式和每个队列的平均排队时延。分析框架被扩展到包括一个RED队列类，它为具有多个类的流提供不同的服务[31］．通过RED的网络配置仿真验证了该分析框架的有效性。这些仿真结果表明，分析框架与RED的几个网络配置仿真匹配，平均误差为5%。

提出了一种利用平均队列长度及其变化率相关信息的随机丢弃自适应队列管理方法[32］．该方法将队列长度变化率作为检测拥塞的额外参数，称为AQMRD。该方法通过快速响应拥塞，避免平均队列长度经常超过最大阈值，从而避免缓冲区溢出。

提出了一种名为ModRED的AQM方法，该方法采用三个动态丢包概率，取决于传入流量[33］．该方法可以使用不同的交通形状。ModRED采用了一种加增乘减(AIMD)算法，目的是针对不同的流量负载使用不同的丢包概率[33］．根据不同的流量负载，计算丢包概率。ModRED在接收端处理拥塞，因此它用于TCP拥塞控制。ModRED在吞吐量、goodput、包分发率和时延仿真结果方面都比RED具有更好的性能。

本文介绍了一种基于半升云模型(CRED)的RED方法[34］．CRED采用非线性丢包方法，提高了参数的不确定性和灵敏度。控制网络拥塞及有效利用网络资源[34］．对CRED的稳定性进行了研究，结果表明CRED可以提高稳定性，其性能优于RED和ARED。

RED对它的参数和流量很敏感，所以当流量负载较低时，带宽没有得到充分利用。然而，当流量负荷较大时，会产生较大的延迟[26］．基于非线性RED的三段随机早期检测方法[26］．在TRED中，为了区分不同的负载，将丢包概率函数分为轻、中、高三部分。这种负载之间的区别是为了在低负载和高负载之间获得吞吐量和延迟的折衷。

3.提出的red -指数技术

如前面章节所述1， RED的缺点导致其性能下降。本文讨论了第二个问题(预设RED的参数)，以确保实现真实的性能，而不需要将参数调到某个值，特别是 ．因此，开发了RED_E方法，该方法采用作为拥堵的衡量标准。然而，当一个包到达一个路由器缓冲区时，它在丢包的方式上是不同的，特别是当值等于或大于小于 ．在这个场景中，经典的RED使用下列公式概率地丢弃数据包。

在方程(3.)和(4)，为初始丢包概率，式(4)，表示到达路由器缓冲区且自最后一个包被丢弃后未丢弃的包数。[7］．另一方面，RED_E如算法所示3.没有利用参数计算在RED和它的许多后继者中。而不是计算方程(3.)， RED-E使用自己的计算如公式(5)．

可以从方程(5)， RED_E不再使用参数，该参数通常在初始阶段设置，如RED中所示，以保证令人满意的性能。RED_E使用方程以指数方式丢弃到达的数据包(4)和(5)．数据2和3.显示机制与机制分别为RED和RED_E。所提出的技术增加了从0.0到1.0的指数值作为价值从价值价值。RED_E伪代码，在算法中给出3.，除了通过预设参数消除偏差结果之外，还有其他目标，比如在严重拥塞场景中提供更令人满意的性能。

4.仿真结果

4．1.仿真设置

使用如图所示的单个队列节点系统模拟RED、NLRED和RED_E方法4．一个包可以在一个被称为槽的时间单元(用于离散时间队列)上到达和/或离开[23］．RED、NLRED以及提出的方法是在Java环境下基于离散时间队列实现的。数据包到达时间和服务时间呈均值几何分布 和 ，分别在哪里数据包到达槽和的概率是多少为槽中分组离开的概率。两种方法中使用的到达过程都是伯努利过程[23］．在图4，则RED、NLRED或RED_E的单个队列节点的有限容量为包。先到先得(FCFS)是RED、NLRED或RED_E中使用的排队规则。

4．2.参数设置

RED、NLRED和RED_E的参数在Table中进行了调优1．

在表1,值在0.18和0.93之间变化，其中一半的值(即0.18、0.33和0.48)小于其余(0.63,0.78,0.93)大于 ．这些和设置值是为了测试当1)时的性能度量结果 和2) (拥挤的场景)。设置为20个数据包以测试较小缓冲区大小的拥塞。的三倍在[8］．的和在表1设置为[7］．的设置为使用公式(2)．给出了槽数的设定值，以保证槽数达到稳定状态。

4．3．模拟环境

在仿真中使用了离散时间队列中的分组到达概率和分组离开概率。这些特殊的东西在现有的模拟器中是没有使用的。此外，这些特殊的东西也可以应用到Java等仿真环境中，因此本文选择Java作为RED、NLRED和RED_E方法的仿真环境。

4.4。结果分析

在生成性能测量结果之前进行了一段预热时间。当系统达到稳定状态时，得到性能测量结果。每个性能度量结果代表了每次运行10次的算术平均值价值。对于每一次运行，种子值将使用随机数生成器来删除任何有偏差的结果。仅使用的设定值来决定哪种方法能提供更好的令人满意的结果 ．

将RED、NLRED、RED_E算法与以下性能指标进行比较: ， ， ， ，和 ．缩写表示平均队列长度;为吞吐量，表示每个时间单元成功通过队列节点的包数;为数据包的平均排队延迟;为缓冲区溢出造成丢包的概率;和是路由器缓冲区满之前的丢包概率。这个比较的目的是评估RED_E在不同拥塞情况下的性能参数。

数据5- - - - - -9展示绩效评估结果( ， ， ， ，和 ）与为RED、NLRED和RED_E。使用柱状图类型而不是散点图类型，因为比较方法的性能度量结果略有不同 ，柱状图比散点图更能清晰地反映出这些差异。绩效衡量是 ．

4.1.1。基于变化的性能评估结果值

在分析数据5和7、RED、NLRED和建议的RED_E提供类似的功能和结果当小于等于0.33。换句话说，RED和RED_E给出的是相似的和在队列节点的路由器缓冲区导致非拥塞情况。这是由于RED和E_RED在路由器缓冲区满之前丢弃相同数量的包(见图)9)，即为零，并且由于溢出而丢失相同数量的包(见图)8)，即零。

当大于0.33且小于等于0.48时，RED提供略低的和结果比NLRED和RED_E多，因为在缓冲区满之前，RED丢弃的包比NLRED和RED_E略多。RED_E和NLRED给出了类似的结果和因为RED_E和NLRED在缓冲区满之前就会丢弃类似的数据包。此外，RED、NLRED和RED_E由于溢出( )．

当大于0.48而小于0.63,NLRED提供的和结果由于上述原因，比较了几种方法。RED和RED_E有相似之处和结果。RED和NLRED丢失的包比RED_E少，这是因为RED和NLRED的路由器缓冲区溢出的次数比RED_E少。此外，RED_E丢弃的数据包比RED和NLRED更少，而且RED和NLRED在路由器缓冲区满之前都会丢弃类似的数据包。

当是否大于0.63，如 ，在比较的方法中，RED_E获得了最令人满意的测量性能和因为RED_E保持更少的平均队列长度。此外，NLRED在一定程度上也给出了较好的结果和因为前面提到的原因。红色提供更高的因为RED的缓冲区溢出的次数比NLRED和RED_E多。NLRED有一个减少比RED_E结果。另外，RED比其他两种方法丢包少，RED_E略好结果优于NLRED。在严重拥堵的情况下，例如 如 ，RED_E实现低 ， 和由于RED_E丢弃了更多的数据包( ）而不是RED或NLRED。此外，NLRED的产量更好 ， ，和由于NLRED比RED丢的包更多，所以NLRED的结果比RED多。

如图所示6RED、NLRED和RED_E提供类似的功能结果是是否存在拥塞。

10/24/11。基于变化的性能评估结果值

进一步仿真测试RED、NLRED和RED_E之间基于不同的值以评估其对绩效的影响。设置为0.78，因为这个值会产生严重的拥塞，我们需要评估参数对存在严重拥塞的比较技术。的设置为不同的值，范围从3到观察每种方法的有效性性能度量结果的值。RED、NLRED和RED_E的性能度量结果与数值在图中给出10- - - - - -14．本小节中使用的图表类型是分散的，因为比较方法的结果可以清楚地显示出来。

从图中可以看出10，12,13RED提供的更高 ， ，和结果优于NLRED和RED_E值。这是因为RED路由器缓冲区比NLRED和RED_E丢弃的包更少(见图)14)．此外，RED_E提供更小的和结果比NLRED时值为3或4，这些值表示给定值与 ．如果价值设置为8(与 )，然后NLRED生成lower和结果优于RED_E;这是因为NLRED的平均队列长度小于RED_E的平均队列长度。NLRED和RED_E的性能结果和比较相似时值设置为5、6和7(介于和 )．NLRED生成一个较小的时，RED_E的值大于设置为与 ，而派生的小而不是NLRED给出为4。

从图中可以清楚地看出14因为NLRED和RED_E提供的包更小，所以RED丢弃的包比NLRED或RED_E少结果比红色。RED_E获得小而不是NLRED给出的值是距离 ．然而，NLRED实现更小比RED_E时取值为4。

对于其他值(5、6、7和8)，NLRED和RED_E都产生类似的结果和结果，因为他们丢失和丢弃的数据包数量相似。此外,RED、NLRED和RED_E的性能结果是相似的值和稳定在价值和不受影响参数。最后,对于RED、NLRED和RED_E的结果，如果是增加了。可以推断，RED、NLRED和RED_E的性能度量结果都受到参数除外结果(见图11)．

5.结论与未来工作

本文研究了拥塞中的AQM问题之一，即拥塞的配置问题参数来产生良好但有偏差的性能。我们提出了一种新的指数AQM方法，称为red -指数化(RED_E)参数。提出的技术不同于RED和它的后继者，以指数方式丢弃到达的数据包，而不是调优参数。这种指数丢包的过程将最小化对预调参数的依赖，特别是参数，在计算AQM方法的性能度量时。

仿真结果表明了RED_E算法的优缺点。仿真结果的重点是利用不同的和值，用来衡量RED、NLRED和RED_E在不同情况(无拥塞、轻拥塞和重拥塞)下的性能。用于衡量所考虑的AQM技术的性能的关键指标是 ， ， ， ，和 ．下面是对结果的总结。

RED_E通过引用增强了性能度量结果和当发生严重拥堵时，提供更好的服务和结果优于RED或NLRED。

当 ，RED_E的性能优于RED和NLRED和结果。此外，NLRED提供了最好的结果表明，RED方法的结果最令人满意结果。在的情况下 ，RED_E获得了最可接受的 ， ，和结果优于RED和NLRED，但RED表现较好结果优于NLRED和RED_E。

当出现轻微拥塞时( )，RED在这方面的表现略优于RED_E和而RED_E和NLRED有相似的结果和结果。然而,当 ，RED优于NLRED和RED_E和结果。此外，RED和NLRED在这方面都优于RED_E结果，而RED_E优于RED和NLRED结果。

所考虑的技术提供了类似的功能当发生严重拥塞时的结果。此外，RED、NLRED和RED_E也提供了类似的服务 ， ， ， ，和在路由器缓冲区中没有拥塞时的结果。

此外，NLRED和RED_E提供了更好的 ， ，和性能结果比RED使用不同的值参数。例如，RED_E的报价略高结果略低而非NLRED被设置为距离 ，它的生成稍微低一些结果略高而非NLRED设置为距离 ．的另一个给定值(5, 6, 7，和8)，RED_E和NLRED都产生了类似的结果和结果。

的结果 ， ，和RED、NLRED和RED_E技术的值随时间的增加而增加增加了，而结果下降时，是增加了。因此RED、NLRED和RED_E的结果受到了影响参数的情况除外指标。

在不久的将来，我们打算开发RED_E，以进一步提高基于动态值的性能结果 ， ，和 ．

数据可用性

没有可用的数据。

的利益冲突

作者声明他们没有利益冲突。

参考文献

1. Wang J.， Guan L.， L. B. Lim et al.，“延迟敏感应用的QoS增强和性能分析”，计算机与系统科学杂志第77期4, pp. 665-676, 2011。视图:出版商的网站|谷歌学者
2. m . Welzl网络拥塞控制:管理互联网流量，威利，霍博肯，新泽西州，美国，2005。
3. D. D. Clark和W. Wenjia Fang，《最努力的包裹递送服务的明确分配》，IEEE/ACM网络汇刊，第6卷，第2期4、1998年。视图:出版商的网站|谷歌学者
4. 李v . H. Li, Yin Q. Qinghe，“REM:主动队列管理，”IEEE网络，第15卷，第5期。3，第48-53页，2001。视图:出版商的网站|谷歌学者
5. J. Aweya, M. Ouellette，和D. Y. Montuno，“主动队列管理的控制定理”，计算机网络第36卷第2期2-3页，203-235页，2001。视图:出版商的网站|谷歌学者
6. W. Feng, D. Kandlur, D. Saha，和K. G. Shin，“蓝色:一种新的主动队列管理算法”，密歇根大学安娜堡分校技术代表，美国，1999，技术报告，UM ced - tr -387-99。视图:谷歌学者
7. S. Floyd和V. Jacobson，“用于避免拥塞的随机早期检测网关”，IEEE/ACM网络汇刊， vol. 1, no. 14，第397-413页，1993年8月。视图:出版商的网站|谷歌学者
8. S. Floyd, G. Ramakrishnan和S. Shenker，“Adaptive RED:一种增加RED的主动队列管理的健壮性的算法”，技术代表，ICSI，新德里，印度，2001，技术报告。视图:谷歌学者
9. S. Floyd，“使用RED温和变种的建议”，2000年，http://www.aciri.org/floyd/red/gentle.html．视图:谷歌学者
10. B. Abbasov和S. Korukoglu，《Effective RED:一种通过降低丢包率来提高RED性能的算法》网络与计算机应用学报，第32卷，第2期3，第703-709页，2009。视图:出版商的网站|谷歌学者
11. W. Chen, Y. Li, S. H. Yang，“一个支持TCP流的网络中的平均队列权重参数化”，在2007 IEEE国际会议论文集，星期二m02网络，传感和控制，第590-595页，伦敦，英国，2007年4月。视图:谷歌学者
12. 陈伟，“RED参数适应TCP流量的机制”，计算机通信专业教授，第32卷，第2期13 - 14日,爱思唯尔,2009年。视图:出版商的网站|谷歌学者
13. J. Hong, C. Joo, and S. Bahk，“考虑队列和负载状态的主动队列管理算法”，发表于第十三届国际计算机通信和网络会议论文集，第140-145页，芝加哥，伊利诺伊州，美国，2004年10月。视图:谷歌学者
14. K. Okokpujie, C. Emmanuel, O. Shobayo, E. Noma-Osaghae, I. Okokpujie，“不同无线网络条件下各种主动队列管理技术的性能比较分析”，国际电气与计算机工程杂志(IJECE)，第9卷，第5期。第1页(2019年)。视图:谷歌学者
15. H. Abdel-Jaber, M. Woodward, F. Thabtah，和A. Abu-Ali，“DRED离散时间排队网络分析模型的性能评价”，网络与计算机应用学报第31卷第1期4, pp. 750 - 770,2008。视图:出版商的网站|谷歌学者
16. H. Abdeljaber, M. Woodward, F. Thabtah，和M. Al-diabat，“使用DiscRED_Ee-time队列建模蓝色主动队列管理”，在2007信息安全与互联网工程国际会议论文集(ICISIE’07)，页568-573，伦敦，英国，2007年7月。视图:谷歌学者
17. M. Al-Diabat, H. Abdeljaber, F. Thabtah, O. abu -rabia，和M. Kishta，“基于discred_ee时间的拥挤网络排队分析模型”，国际建模、仿真和科学计算杂志(IJMSSC)，第3卷，第2期。1，页22,2012。视图:谷歌学者
18. K. Ramakrishnan和S. Floyd，“在IP上添加明确的拥塞通知(ECN)”RFC， 2001年第3168卷。视图:谷歌学者
19. 基于共享缓冲的全光多跳网络的延迟性能评估第15届IEEE国际网络会议论文集，页166-169，阿德莱德，SA，澳大利亚，2007年11月。视图:出版商的网站|谷歌学者
20. 李志强，李志强等，“多类别突发交通事件下的平均排队延迟控制”，《同济大学学报(自然科学版)》计算机与系统科学杂志第77期5, pp. 898-916, 2011。视图:出版商的网站|谷歌学者
21. C. Brandauer, G. Iannaccone, C. Diot, T. Ziegler, S. Fdida, M. May，“大数据和类似网络的互联网流量的尾部丢弃和主动队列管理性能的比较”，发表于第六届IEEE计算机与通信研讨会论文集，第122-129页，IEEE, Hammamet，突尼斯，2001年7月。视图:出版商的网站|谷歌学者
22. R. Braden, D. Clark, J. Crowcroft等人，“关于互联网中的队列管理和拥塞避免的建议”，RFC， 1998年第2309卷。视图:谷歌学者
23. m·e·伍德沃德通信和计算机网络:用discRED_Ee-Time队列建模， Pentech出版社，伦敦，英国，1993。
24. Zhou k, K. L. yek, and V. o.k . Li，“非线性RED:一种简单而有效的主动队列管理方案”，计算机网络，第50卷，第5期。18, pp. 3784-3794, 2006。视图:出版商的网站|谷歌学者
25. B. Zheng和M. Atiquzzaman，“DSRED:一种用于下一代网络的主动队列管理方案”第25届IEEE本地计算机网络年会论文集(LCN ' 00)，页242-251，美国佛罗里达州坦帕，2000年11月。视图:谷歌学者
26. 陈伟，黄丽芳，徐春春，“基于非线性RED的拥塞控制方案性能分析”，IEEE系统杂志，第11卷，第5期。4, pp. 2247-2254, 2015。视图:谷歌学者
27. “一种支持TCP流的主动队列管理的自调优反馈控制器”，西安交通大学学报(自然科学版)，信息科学，第180卷，第1期。11，页2249-2263,2010。视图:出版商的网站|谷歌学者
28. 张建军，“基于非线性平滑的自适应主动队列管理算法”，Procedia工程， vol. 15, pp. 2369-2373, 2011。视图:谷歌学者
29. H. Abdel-Jaber, F. Thabtah，和M. Woodward，“基于随机早期检测的离散时间分析模型:指数和线性，”国际建模，仿真和科学计算杂志，第6卷，第2期3、文章编号1550028,22页，2015。视图:出版商的网站|谷歌学者
30. S. Misra, B. J. Oommen, S. Yanamandra，和M. S. Obaidat，“在有线网络中避免拥堵的随机早期检测:一个离散的追求学习自动机式解决方案，”IEEE系统、人与控制论汇刊B部分(控制论)，第40卷，第5期。1，页66-76,2010。视图:出版商的网站|谷歌学者
31. a . a . Abouzeid和S. Roy，《在差异化服务网络中建模随机早期检测》，计算机网络，第40卷，第5期。4，页537-556,2002。视图:出版商的网站|谷歌学者
32. P. S. Karmeshu, S. Patel，和S. Bhatnagar，“自适应平均队列大小及其变动率:随机下降的队列管理”，电信系统，第65卷，第5期2，页281-295,2017。视图:出版商的网站|谷歌学者
33. K. Kachhad和A. Lathigara，“ModRED:改进的RED是一种有效的无线网络拥塞控制算法”，国际工程技术研究杂志(IRJET)，第5卷，第5期。5，第1879-1884页，2018。视图:谷歌学者
34. 张玉红，“一种基于隶属度云理论的非线性RED算法”，电子学杂志第26卷第2期3, pp. 537-543, 2017。视图:谷歌学者

版权

版权所有©2020 Hussein Abdel-Jaber。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。