题目：基于神经网络的自适应主动队列管理算法的设计与实现

随着互联网的高速发展，各种数据量大、实时性要求高的业务对服务质量提出了

很高的要求。防止网络拥塞是提高服务质量所必需的，而网络中间设备的数据包队列

管理机制是防止拥塞的重要手段。现有排队算法在控制效果、响应速度、稳定性等方面

仍有改进的空间。本文提出了一种基于神经网络的自适应主动队列管理算法，在 NS2

网络仿真器上对算法进行了验证，并将新算法在 Linux 内核中进行了实现和性能测试。

具体研究工作包括：

1. 分析网络拥塞发生的原因，研究 TCP/IP 拥塞控制机制，分析各种 AQM 算法，

确定本文的改进方向为提高算法的自适应性和队列长度控制效果，AQM 策略为随机丢

弃，队列控制指标为参考队列长度。

2. 提出了 GRPID 算法。GRPID 算法以经典 PID 控制为基础，利用 RBF 神经网络

能够逼近任何非线性函数，改进的粒子群算法能够加快 RBF 收敛速度的优点，构建了

自适应闭环反馈控制系统，提高队列长度控制效果，使得队列长度仅在参考队列附近

小范围波动。利用 RBF 神经网络，通过梯度下降法求得的网络辨识信息调整 PID 的比

例、积分、微分系数，进而调整数据包丢弃概率，提高了算法自适应性。同时，利用加

入交叉和突变操作的 PSO 算法调整 RBF 神经网络的权重，加快其学习速度。

3. 在 NS2 仿真器上扩展其队列管理功能，实现了 GRPID 算法，并编写了队列长

度、丢包率、有效吞吐量、时延和时延抖动的统计程序。在不同网络环境下，结合

RED、REM、AVQ、PID 和 PI 算法进行了对比实验。结果表明，GRPID 算法在队列长

度控制、对突发流的响应速度上要优于其它对比算法，并且可以实现吞吐量和时延之

间的平衡。

4. 研究 Linux 内核的流量控制机制，在流量控制结构中加入了 GRPID 算法。实现

了用户接口和内核模块部分，用到了内核编译、内核模块编程、内核调试等技术。用

户接口包括命令解析、修改参数配置、查看统计结果等功能，内核模块部分实现了入

队列、出队列、概率计算、数据统计等功能。除了对模拟环境的结果进行验证，还对

GRPID 算法的各个方面进行评价。结果表明，GRPID 能根据网络辨识信息迅速调整丢

弃概率，实现对队列长度良好的实时控制。