基于模糊控制理論主動(dòng)隊(duì)列管理算法的研究報(bào)告報(bào)告

1、 - .- -可修編- -. z. - .- -可修編- -摘 要Abstract - .-. z. - .- -可修編- -. z.第2章 背景知識2.1 主動(dòng)隊(duì)列管理的介紹自1988年以來，研究人員做了大量的關(guān)于網(wǎng)絡(luò)性能的研究，而且得到了如下的結(jié)論：盡管TCP擁塞控制機(jī)制是必須的，但不是在所有的網(wǎng)絡(luò)環(huán)境下都能夠提供良好的服務(wù)質(zhì)量。因此，在路由器中添加*些機(jī)制是必要的，這樣才能較好地避免擁塞或者從嚴(yán)重的擁塞中恢復(fù)出來。主動(dòng)隊(duì)列管理(AQM)是由IETF 提出的，其目的就是為了彌補(bǔ)端到端擁塞控制機(jī)制存在的缺陷。AQM算法解決的問題主要包括以下幾個(gè)方面34：(1) 在延遲和吞吐量之間保持簡單的權(quán)

2、衡，保持隊(duì)列處于未滿的狀態(tài)是十分必要的。(2) 可以吸收突發(fā)流，對于持續(xù)流和間隙流進(jìn)行公平的處理。(3) 在隊(duì)列滿之前對新到達(dá)的數(shù)據(jù)包進(jìn)行隨機(jī)丟棄，或者在隊(duì)列滿的時(shí)候?qū)彺鎱^(qū)的數(shù)據(jù)包隨機(jī)丟棄，從而避免擁塞的發(fā)生。(4) 避免多個(gè)TCP連接由于隊(duì)列溢出而造成的慢啟動(dòng)”狀態(tài)?？傊?，主動(dòng)隊(duì)列管理算法機(jī)制對于響應(yīng)流可以提供如下的優(yōu)點(diǎn)35：(1) 減少路由器中丟棄數(shù)據(jù)包的數(shù)量。突發(fā)數(shù)據(jù)流是一個(gè)分組網(wǎng)絡(luò)中不可避免的方面。當(dāng)路由器中所有的隊(duì)列空間處于穩(wěn)態(tài)”或者路由器的空間不足時(shí)，路由器將沒有緩存突發(fā)流的能力。通過保持小的平均隊(duì)列長度，主動(dòng)隊(duì)列管理不需要丟棄數(shù)據(jù)包就具有很強(qiáng)的吸收突發(fā)流的能力。如果沒有主動(dòng)隊(duì)列

3、管理，在隊(duì)列溢出時(shí)很多數(shù)據(jù)包將會(huì)被丟棄。這一點(diǎn)是我們所不希望的，原因有幾點(diǎn)：首先，伴隨著共有隊(duì)列和棄尾規(guī)則，不必要的全局同步現(xiàn)象可能導(dǎo)致低的平均鏈路利用率，從而降低網(wǎng)絡(luò)吞吐量。其次，與單純的丟棄數(shù)據(jù)包相比，TCP從丟棄突發(fā)數(shù)據(jù)包的狀態(tài)恢復(fù)過來是很困難的。最后，不必要的丟包代表著帶寬的浪費(fèi)。(2) 提供低延遲的交互式服務(wù)。通過保持隊(duì)列長度在一個(gè)較小值附近，隊(duì)列管理將會(huì)減少數(shù)據(jù)流的延遲，這對于交互式應(yīng)用(例如，短距離Web傳輸，Telnet流，交互式音頻會(huì)議等)是極其重要的。(3) 避免死鎖行為。通過保證將要到達(dá)的數(shù)據(jù)包總是有一個(gè)可利用的緩存區(qū)，主動(dòng)隊(duì)列管理可以防止死鎖的發(fā)生。同樣，它還可以阻止路

4、由器對于低帶寬高突發(fā)數(shù)據(jù)流的偏袒。明顯地，死鎖是不希望出現(xiàn)的狀況，因?yàn)檫@種情況對于多組數(shù)據(jù)流是不公平的。2.2 中間節(jié)點(diǎn)路由器中的AQM算法 RED算法隨機(jī)早期檢測(Random Early Detection，RED)12是路由器中的一種AQM算法，它提供了網(wǎng)絡(luò)性能的很多優(yōu)點(diǎn)。與傳統(tǒng)的當(dāng)路由緩存區(qū)滿之后才丟包的隊(duì)列算法相比，RED算法以一定的概率對將要到達(dá)的數(shù)據(jù)包進(jìn)行丟棄。丟棄概率隨著估算的平均隊(duì)列大小的增長而增加。RED響應(yīng)于平均隊(duì)列長度，而不是瞬時(shí)隊(duì)列長度。因此，如果隊(duì)列幾乎處于空閑狀態(tài)，RED算法將不會(huì)丟包。另一方面，如果隊(duì)列已經(jīng)處于相當(dāng)滿的狀態(tài)，并指示了擁塞，則將要到來的數(shù)據(jù)包將以更

5、大的概率被丟棄。RED算法自身包括兩個(gè)主要的部分：估計(jì)平均隊(duì)列長度的大小和決策將要到達(dá)的數(shù)據(jù)包是否被丟棄。(1) 估計(jì)平均隊(duì)列的大小。RED在轉(zhuǎn)發(fā)路徑中使用了一種簡單的指數(shù)加權(quán)滑動(dòng)平均的方法來計(jì)算平均隊(duì)列長度(2.1)其中，為目前隊(duì)列長度的權(quán)值，q是當(dāng)前隊(duì)列長度。由于網(wǎng)絡(luò)流量是突發(fā)的或者短時(shí)擁塞，實(shí)際隊(duì)列大小可能會(huì)瞬時(shí)增加，如果太小，則對于實(shí)際隊(duì)列長度大小變化的響應(yīng)會(huì)太慢；如果太大，將不會(huì)濾除網(wǎng)關(guān)的暫態(tài)擁塞。(2) 計(jì)算丟棄概率。這是算法的第二部分，RED決定是否要丟棄將要到達(dá)的數(shù)據(jù)包，從而有效地控制平均隊(duì)列隊(duì)列長度。RED有兩個(gè)參數(shù)(最小閾值)和(最大閾值)。當(dāng)平均隊(duì)列大小低于時(shí)，沒有數(shù)據(jù)包

6、丟失；當(dāng)平均隊(duì)列長度高于時(shí)，丟棄所有的數(shù)據(jù)包；當(dāng)平均隊(duì)列大小介于兩者之間時(shí)，數(shù)據(jù)包將以概率P進(jìn)行丟棄，如下式所示。(2.2a)(2.2b)其中，為最大丟棄概率，count為從上次丟包開始進(jìn)入隊(duì)列的數(shù)據(jù)包個(gè)數(shù)。RED算法有效地控制了隊(duì)列長度，同時(shí)吸收突發(fā)數(shù)據(jù)包而不是對數(shù)據(jù)包進(jìn)行丟棄，而且RED算法的隨機(jī)性打破了導(dǎo)致死鎖的全局同步現(xiàn)象。 ARED算法ARED算法13是針對RED參數(shù)敏感的問題而設(shè)計(jì)的，一般ARED的設(shè)計(jì)可以總結(jié)為基于鏈路速率自動(dòng)地設(shè)置的值并根據(jù)測量的隊(duì)列長度自適應(yīng)的調(diào)節(jié)，從而將平均隊(duì)列長度維持在和之間。如果平均隊(duì)列長度低于，則證明擁塞控制比較激進(jìn)，需要計(jì)算一個(gè)保守的；如果平均隊(duì)列長

7、度高于, 則說明擁塞控制的比較保守，需要計(jì)算一個(gè)較激進(jìn)的。ARED是對RED稍做改動(dòng)的一種算法，它的魯棒性源于它慢且頻繁地對進(jìn)行調(diào)節(jié)，為了確保ARED的性能在過渡期不會(huì)急劇下降，嚴(yán)格的將限制在0.01，0.5之間。這確保了過渡期RED的整體性能被接受，即使平均隊(duì)列長度可能不在一個(gè)目標(biāo)圍，平均延時(shí)和吞吐量也只會(huì)有輕微的波動(dòng)。 SRED算法與RED不同的是，SRED算法14沒有計(jì)算平均隊(duì)列長度的機(jī)制。SRED可以分為Simple SRED 和Full SRED。Simple SRED丟棄概率僅僅依賴于瞬時(shí)緩存占有和活躍流的估計(jì)數(shù)量，F(xiàn)ull SRED丟包率計(jì)算依賴于數(shù)據(jù)包是否引起一個(gè)hit”。其中

8、hit是用來估計(jì)活躍流數(shù)量的。在Simple SRED中，通過估計(jì)活躍流數(shù)量然后用于設(shè)置丟棄概率?；诜菒阂饬骺梢约ぐl(fā)更多的hits的思想，也可以直接用hit”來設(shè)置丟棄概率。因?yàn)榕c其它流相比，非惡意流有較多的數(shù)據(jù)包到達(dá)，而且，它們更可能出現(xiàn)在僵尸列表中。在Full SRED中，可以增加惡意流的丟棄概率，從而減小了TCP對短RTT流的偏袒。RED的隊(duì)列長度波動(dòng)較大，而SRED克服了RED的這個(gè)缺點(diǎn)，減小了延遲時(shí)間。SRED能夠提夠估計(jì)活躍數(shù)據(jù)流的數(shù)量，從而辨別非惡意流。通過統(tǒng)計(jì)活躍流的數(shù)量來調(diào)節(jié)丟棄概率從而使緩存占有情況得到很好的控制。 BLUE算法RED、ARED等算法都是以隊(duì)列長度作為嚴(yán)重

9、擁塞的指標(biāo)，而BULE算法19是用丟包率和鏈路空閑事件來管理擁塞的。BLUE保持穩(wěn)定的丟棄概率，當(dāng)數(shù)據(jù)包入隊(duì)時(shí)此概率被用來標(biāo)記數(shù)據(jù)包。如果由于隊(duì)列溢出而持續(xù)地丟包，BLUE將增大標(biāo)記概率，這樣將增大發(fā)回?fù)砣ㄖ乃俣取Ｏ喾吹?，如果?duì)列處于空閑狀態(tài)，BLUE將減小標(biāo)記概率。這有效地允許BLUE去學(xué)習(xí)”它需要發(fā)回?fù)砣ㄖ恼_率。當(dāng)隊(duì)列長度超過*一特定值時(shí)，BLUE將更新丟棄概率。這將在隊(duì)列中為暫態(tài)突發(fā)流保留空間，并且，當(dāng)隊(duì)列被使用的值較大時(shí)允許隊(duì)列控制排隊(duì)時(shí)延。除了標(biāo)記概率之外，BLUE使用三個(gè)其他的參數(shù)來控制標(biāo)記概率的改變速度。一個(gè)參數(shù)是freeze_time，該參數(shù)決定了標(biāo)記概率連續(xù)更新的最

10、小時(shí)間間隔。freeze_time允許標(biāo)記概率在再次更新前有效地發(fā)揮作用。其他兩個(gè)參數(shù)和被用于決定隊(duì)列溢出時(shí)標(biāo)記概率的增加量和隊(duì)列空閑時(shí)標(biāo)記概率的減少量。通常要比大的多，因?yàn)楫?dāng)擁塞管理太激進(jìn)或太保守時(shí)鏈路利用率會(huì)很低。通過權(quán)衡丟棄概率，BLUE可以快速地對網(wǎng)路負(fù)載的大量增加做出反應(yīng)。BLUE最大的貢獻(xiàn)在于用較小的緩存區(qū)完成了擁塞控制，從而減小了排隊(duì)時(shí)延，提高了吞吐量。此外，較小的緩存區(qū)使得路由的其余空間用來執(zhí)行其它的功能，如存強(qiáng)大的路由表，從而使路由器的整體性能得到提高。而RED則需要較大的緩存區(qū)才能達(dá)到同樣的效果。 PI算法文獻(xiàn)36中，V.Misra等人基于流體流建立了AQM作用下的動(dòng)態(tài)模型

11、，得到的非線性化微分方程如下式所示(2.3)上式中各個(gè)參數(shù)的含義分別是W：TCP 窗口的大小(單位：包)；：W的一階微分；Tp：鏈路的傳輸遲延(單位：秒)；C：鏈路容量(單位：包/秒)；：隊(duì)列長度的期望值；N：TCP連接個(gè)數(shù)；q：瞬時(shí)隊(duì)列長度；R：往返時(shí)間(RTT)，Tp是固定的廣播時(shí)延；p：丟棄概率。通過線性化處理和拉普拉斯變換得到傳輸函數(shù)，圖2.1所示為該模型基礎(chǔ)上得到的AQM系統(tǒng)模型。圖2.1 TCP/AQM控制系統(tǒng)(PI)基于該AQM/TCP非線性動(dòng)態(tài)模型，C.Hollot經(jīng)過線性化處理，提出了PI (Proportional Integral)算法，這是一個(gè)非常有價(jià)值的工作，因?yàn)樗?/p>

12、主要貢獻(xiàn)是將AQM系統(tǒng)的算法轉(zhuǎn)化成在控制理論中控制器的設(shè)計(jì)。從控制理論的角度來講，AQM可以看作為一種經(jīng)典的調(diào)節(jié)算法，該算法的目標(biāo)是使隊(duì)列長度始終保持在期望值附近，參考的隊(duì)列長度是用戶可設(shè)定的。與RED算法相比，PI控制器能夠使隊(duì)列長度更穩(wěn)定，具有更小的隊(duì)列抖動(dòng)。然而，PI控制器有一個(gè)致命的缺點(diǎn)，即調(diào)節(jié)時(shí)間過長，而且過度的依賴于緩存隊(duì)列大小。另外，調(diào)節(jié)控制器參數(shù)的方法也是不確定的，這對于控制器的設(shè)計(jì)是非常重要的。所以研究人員對PI控制器引入了微分環(huán)節(jié)提出了PID控制器，并且用理論方法對控制器的參數(shù)進(jìn)行調(diào)節(jié)。 PID算法從經(jīng)典的控制理論中可以知道：在設(shè)計(jì)控制器的時(shí)候，能快速地將動(dòng)態(tài)系統(tǒng)調(diào)節(jié)到期望

13、的穩(wěn)態(tài)是非常有幫助的。最簡單的方法就是觀察狀態(tài)變量的變化，然后把它綜合到控制器中，這也是PI和PID控制器最重要區(qū)別。微分環(huán)節(jié)可以大縮短暫態(tài)過程，因此，PID控制器可以克服PI控制器調(diào)節(jié)時(shí)間長的缺點(diǎn)37。圖2.2描述的是PID控制系統(tǒng)的原理框圖。圖2.2 PID控制器系統(tǒng)原理框圖其中，、分別是PID控制器的比例、積分、微分系數(shù)。實(shí)際應(yīng)用中，采樣隊(duì)列系統(tǒng)需要控制器的離散形式，用一系列的采樣時(shí)間kT代替連續(xù)時(shí)間t，用和與差分別代替積分與微分。則PID 控制器的離散表達(dá)式可以表示如下(2.4)其中，T為采樣時(shí)間。寫成增量的形式為(2.5)PID控制器即使在路由緩存較小的情況下也能加快AQM的響應(yīng)速度

14、。與PI算法相比，它能在多變的網(wǎng)絡(luò)環(huán)境下很好的控制數(shù)據(jù)包的延遲時(shí)間，這對于保證服務(wù)質(zhì)量具有很大的益處。2.3 模糊控制理論處理模糊世界時(shí)，通常需要一種工具叫做模糊控制，其主要思想是在控制中引入模糊控制理論，從而作用于難以建立數(shù)學(xué)模型和缺乏精確模型的復(fù)雜系統(tǒng)。模糊控制不依賴于精確的數(shù)學(xué)模型，而是通過總結(jié)知識和積累經(jīng)驗(yàn)對復(fù)雜的系統(tǒng)進(jìn)行控制，因而對具有不確定性對象的系統(tǒng)具有很強(qiáng)的適應(yīng)能力。簡言之，模糊控制理論就是模仿人的思維方式和經(jīng)驗(yàn)來實(shí)現(xiàn)自動(dòng)控制的一種控制方法。2.3.1 模糊控制理論的產(chǎn)生及應(yīng)用模糊集的概念是美國加州大學(xué)Zadeh教授通過隸屬度函數(shù)于1965年在他的FuzzySets38等著名論

15、著中首先提出來的。1973年，他在文章中又引入了語言變量”的概念，相當(dāng)于一個(gè)變量定義成為模糊集。1985年，Takagi和Sugeno提出了TakagiSugeno模糊模型39，此模型的主要特點(diǎn)是通過線性系統(tǒng)模型來表達(dá)每一個(gè)模糊規(guī)則的特性。1974年，Mamdani首次將模糊控制應(yīng)用于鍋爐蒸汽機(jī)的控制40，實(shí)驗(yàn)得到的效果比傳統(tǒng)的控制算法要好得多。1985年Yasunobu和Miyamoto 提出了模糊系統(tǒng)，并做了仿真，證明了模糊控制系統(tǒng)在仙臺(tái)鐵路中的重要性。他們的想法于1987年鐵路開通時(shí)被用于控制火車的加速、制動(dòng)和停止。同年，在東京召開的關(guān)于模糊研究的國際會(huì)議上，Yamakawa在一個(gè)單擺實(shí)

16、驗(yàn)中，通過使用一系列簡單而細(xì)致的模糊邏輯芯片證明了模糊控制的使用。觀察者對他的證明留下了非常深刻的印象。在隨后的實(shí)驗(yàn)中，他在單擺的頂部放一個(gè)裝滿水的杯子或一只老鼠，系統(tǒng)仍然保持穩(wěn)定。最終，Yamakawa繼續(xù)組織他的模糊系統(tǒng)研究并申請了他在這一領(lǐng)域的專利。隨后，日本工程師將模糊系統(tǒng)應(yīng)用在工業(yè)和商業(yè)中。1988年，日本建立了由48個(gè)公司組成的估計(jì)模糊工程實(shí)驗(yàn)室(LIFE)，他們繼續(xù)對模糊控制進(jìn)行研究。2.3.2 模糊集合模糊集合是指具有隸屬度的元素的集合，它是一個(gè)普通集合的擴(kuò)展41。在普通集合中，元素的隸屬度以二進(jìn)制形式表示，即一個(gè)元素要么屬于要么不屬于一個(gè)集合。相反，模糊集合理論允許評估一個(gè)元

17、素在集合中的函數(shù)隸屬度，通過增加一個(gè)介于0，1之間的隸屬度函數(shù)值來描述。普通集合是模糊集的特殊情況，因?yàn)楫?dāng)模糊集合的隸屬度取0或1時(shí)就是普通集合。模糊集合理論可以用于信息不完整或者不精確的廣泛領(lǐng)域。A是定義在集合*上的一個(gè)模糊子集，則用下面的映射表示集合*上的模糊子集其中，稱為模糊子集A的隸屬函數(shù)，為表示*屬于模糊子集A的程度，即隸屬度，其值介于0，l之間。當(dāng)為0時(shí)，表示*不包含于A，當(dāng)為1時(shí)，表示*包含于A，當(dāng)介于0和1之間時(shí)，則表示*屬于A的程度。一般來講，模糊集合用向量法來表示。如果模糊集合A的論域由有限個(gè)元素組成，則可以用下面的形式來表示模糊集合A可以簡化表示為2.3.3 模糊隸屬度函

18、數(shù)模糊集合的隸屬度函數(shù)是普通集合中指標(biāo)函數(shù)的概括。在模糊邏輯中，它代表了在一個(gè)評估圍的真實(shí)程度。盡管在概念上截然不同，但是人們通常將真實(shí)性與概率相混淆。模糊真實(shí)性代表了定義在模糊集中的隸屬度，而不是*些事件或條件的可能性。正確的構(gòu)造隸屬度函數(shù)是控制效果好壞的關(guān)鍵，因?yàn)槊總€(gè)人對模糊概念的認(rèn)識不同，所以確定隸屬度函數(shù)存著主觀性，確定隸屬函數(shù)的方法有(1) 模糊統(tǒng)計(jì)法。是論域U上的確定元素，而論域U上的可變動(dòng)的清晰集合，要判斷是否完全屬于集合，對于不同的實(shí)驗(yàn)者確定的的邊界是不同的，但是他們都應(yīng)用于同一個(gè)集合A。從而模糊統(tǒng)計(jì)法的執(zhí)行步驟是：固定而可變，重復(fù)做n次實(shí)驗(yàn)，就可以得到隸屬頻率。隨著n的增大，

19、隸屬頻率趨于穩(wěn)定，則穩(wěn)定時(shí)的隸屬頻率就是對A的隸屬度。這種方法的缺點(diǎn)是計(jì)算量比較大。(2) 例證法。已知有限個(gè)隸屬度的值，估計(jì)論域U上模糊子集A的隸屬度函數(shù)。如果論域U代表溫度，A是今天的平均溫度高”，則A是U的一個(gè)模糊子集，為了確定的值，首先選取一個(gè)溫度值w，然后選取幾個(gè)語言真值中的一個(gè)來回答今天的平均氣溫是否是高。語言變量分別選取真”、似真似假”、假”三種情況，并且用數(shù)字1、0.5、0來表示以上三個(gè)語言真值。記錄n天的平均氣溫，即可得到A的隸屬度函數(shù)的離散表示方式。(3) 專家經(jīng)驗(yàn)法。一般是通過實(shí)際經(jīng)驗(yàn)來確定隸屬度。通常情況下，這類隸屬度函數(shù)都是比較粗略的，要經(jīng)過不斷地實(shí)驗(yàn)來完善和修改。常

20、用來表示隸屬函數(shù)的方法有：拋物線形、直線型的三角形和梯形等，在實(shí)際應(yīng)用中，一般三角形以其直觀、方便被普遍采用。2.3.4 模糊控制規(guī)則(1) 模糊控制規(guī)則的表示模糊規(guī)則是由語言變量所表達(dá)的模糊條件語句所組成的42，可以表示成這樣的術(shù)語：如果房間變熱，將風(fēng)扇葉片的旋轉(zhuǎn)速度加快”，這里的房間溫度和風(fēng)扇葉片旋轉(zhuǎn)速度都是不精確的數(shù)量。熱”和快”都是模糊術(shù)語。模糊邏輯和模糊規(guī)則可以增加類似于人類的主觀推理能力。如果一個(gè)被控對象的輸入變量為A和B，輸入為C，則模糊規(guī)則可以用以下形式的條件語句表示IF * is A AND y is B THEN z is C其中，*、y和z是語言變量。(2) 模糊控制規(guī)則

21、的制定模糊規(guī)則可以根據(jù)專家的知識和經(jīng)驗(yàn)進(jìn)行歸納總結(jié)而編寫，它直接影響著控制系統(tǒng)的質(zhì)量，因此，編寫一套合理的模糊規(guī)則非常重要。經(jīng)驗(yàn)總結(jié)就是經(jīng)過加工、整理和提煉，去除粗略規(guī)則的同時(shí)保留精確規(guī)則，然后制定模糊規(guī)則的方法。此方法比較簡單和直接，并且易于實(shí)現(xiàn)。QM算法的設(shè)計(jì)中。 - .-. z.- -可修編- -. z.第3章 基于自適應(yīng)模糊PID主動(dòng)隊(duì)列管理算法的研究3.1 自適應(yīng)模糊PID控制器的設(shè)計(jì)分析設(shè)計(jì)目標(biāo)主動(dòng)隊(duì)列管理算法的直接目標(biāo)是能夠使路由器中的隊(duì)列長度穩(wěn)定在*一圍，所以算法的穩(wěn)定性直接影響到路由器中的隊(duì)列長度，并且隊(duì)列長度的變化直接關(guān)系到網(wǎng)絡(luò)QoS。因此，本文從模糊控制理論出發(fā)設(shè)計(jì)一種自

22、適應(yīng)模糊PID算法(AF-PID)，使其能夠根據(jù)不同的網(wǎng)絡(luò)狀態(tài)動(dòng)態(tài)地調(diào)節(jié)PID控制器的三個(gè)參數(shù)。最終能夠?qū)⑺矔r(shí)隊(duì)列長度穩(wěn)定在期望值附近，從而提高鏈路利用率高，減小丟棄概率?？偨Y(jié)本算法的主要設(shè)計(jì)目標(biāo)如下(1) 隊(duì)列長度的穩(wěn)定性。該算法能夠根據(jù)用戶的需求將隊(duì)列長度穩(wěn)定在介于零和緩存區(qū)長度之間任意一個(gè)期望值附近，并且能夠保證隊(duì)列較小的長度震蕩。(2) 魯棒性。當(dāng)網(wǎng)絡(luò)參數(shù)(例如源端個(gè)數(shù)(n)、延遲(d)、瓶頸鏈路帶寬(C)、不同的數(shù)據(jù)流(TCP或UDP)變化時(shí)，該算法依然具有良好的穩(wěn)定性。由于網(wǎng)絡(luò)分布在不同的地理位置上而具有時(shí)滯性，而時(shí)滯性又是網(wǎng)絡(luò)擁塞控制中不可忽略的因素，小的時(shí)滯會(huì)對網(wǎng)絡(luò)質(zhì)量引起較大

23、的影響。因此改善時(shí)滯對于提高網(wǎng)絡(luò)QoS具有重要意義。傳統(tǒng)控制理論的方法在很大程度上依賴于結(jié)構(gòu)已知的系統(tǒng)數(shù)學(xué)模型，而網(wǎng)絡(luò)系統(tǒng)的復(fù)雜性、時(shí)變性及大量的網(wǎng)絡(luò)干擾卻恰恰決定了建立一個(gè)較為精確的網(wǎng)絡(luò)模型是很困難的。因此，網(wǎng)絡(luò)環(huán)境快速變化時(shí)，PID控制器參數(shù)難于及時(shí)整定，影響PID算法對網(wǎng)絡(luò)數(shù)據(jù)流的控制效果。而模糊控制器是一種模糊語言控制器，它采用模糊集合理論，不需要建立精確的模型即可實(shí)現(xiàn)良好的控制效果。自適應(yīng)模糊PID算法用模糊控制來實(shí)現(xiàn)PID控制器參數(shù)在動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境下的及時(shí)調(diào)整。設(shè)計(jì)方法1. 精確量的模糊化模糊化就是將輸入量的實(shí)際值轉(zhuǎn)換成模糊值的過程。模糊控制器的輸入一般為精確量，而控制器處理的是模糊

24、量，因此對精確量的模糊化是不可或缺的。模糊化的過程包括兩個(gè)部分：量程轉(zhuǎn)換和模糊化方法的選擇。在實(shí)際工作中，如果精確量*的變化圍在a，b之間，則可以把*轉(zhuǎn)換到-n，n 區(qū)間的變量y，如下式所示(3.1)模糊化的方法有以下兩種方法將精確輸入量模糊化為單點(diǎn)模糊集合。設(shè)該模糊集用F表示，則有(3.2)此方法從理論上看已經(jīng)將精確輸入量轉(zhuǎn)化成了模糊量，但是其本質(zhì)上并不具有模糊性，實(shí)際上其仍然是一個(gè)確定值。不過這種方法易于實(shí)現(xiàn)因此被廣泛使用，當(dāng)檢測量為準(zhǔn)確數(shù)據(jù)時(shí)，采用此方法是比較合理的。(2) 將精確輸入量轉(zhuǎn)化為論域上的*一元素，在該元素上具有最大隸屬度的模糊子集，即一個(gè)精確量對應(yīng)于論域上的一個(gè)模糊子集。采

25、用此方法的原因在于處理一個(gè)模糊數(shù)要比處理隨機(jī)數(shù)效率高得多，模糊化函數(shù)通常選用等腰三角形函數(shù)函數(shù)、梯形函數(shù)等。2. 知識庫知識庫一般包括數(shù)據(jù)庫和規(guī)則庫兩部分，對于模糊化、模糊推理以及反模糊化將起到舉足輕重的作用。(1) 論域的選擇模糊規(guī)則建立在模糊語言變量的基礎(chǔ)上，所以選擇正確的模糊語言變量對模糊控制至關(guān)重要。論域選取實(shí)際上是將一個(gè)論域離散成確定的幾小段，每一段用一個(gè)語言變量來表示。由于模糊變量的語言集一般選為6個(gè)以上，所以一般取論域-N，N中的，這樣就能滿足模糊集論域中所含元素的個(gè)數(shù)多于模糊變量語言集總數(shù)的兩倍，從而保證整個(gè)論域被模糊集合很好的覆蓋，個(gè)別失控的現(xiàn)象也因此得到避免。(2) 輸入和

26、輸出模糊空間的劃分制定模糊規(guī)則之前必須要確保每一個(gè)語言變量都有一個(gè)對應(yīng)于確定論域的模糊輸入空間。模糊規(guī)則結(jié)論中的語言變量則形成了模糊輸出空間。模糊劃分取決于語言變量的多少，也就是說，模糊空間的劃分也就是確定語言變量的個(gè)數(shù)。模糊語言有自己的意義，例如,負(fù)大(NB)，負(fù)中(NM)，負(fù)小(NS)，零(Z)，正小(PS)，正中(PM)，正大(PB)。論域中元素的隸屬函數(shù)一般選擇三角形和梯形函數(shù)形式。(3) 模糊規(guī)則的選取模糊規(guī)則是模糊控制的核心部分。規(guī)則庫中包含了用模糊變量表示的一系列模糊控制規(guī)則。模糊規(guī)則獲取可以通過專家經(jīng)驗(yàn)法、觀察法、基于模糊模型的控制、自組織法等獲取。它是由多個(gè)IF-THEN”型

27、語句構(gòu)成的，每個(gè)條件語句的前部分為輸入變量，后部分為輸出變量。可以用下面的形式表示R1 : IF*=NB AND Y=NB THENU=PBR2 : IF *=NM ANDY=NM THENU=PBRn : IF*=PB ANDY=PB THENU=NB3. 模糊推理模糊推理就是從一個(gè)模糊的輸入集合中得出可能的不精確的輸出的推理過程，又稱近似推理44。它是模糊控制的中心工作，以模糊概念為基礎(chǔ)，通過模糊蘊(yùn)含和模糊邏輯的推理規(guī)則來獲取模糊控制信息，并可實(shí)現(xiàn)擬人的決策過程。根據(jù)模糊輸入量和模糊控制規(guī)則，模糊推理求解模糊關(guān)系方程，獲取模糊輸出量，但模糊推理得到的仍然是一個(gè)模糊變量。模糊推理的復(fù)雜性依賴

28、于模糊規(guī)則語句中模糊集的隸屬函數(shù)的確定，選擇一些簡單的又能反應(yīng)模糊推理結(jié)果的隸屬度函數(shù)可以大大簡化模糊推理的計(jì)算過程。4. 解模糊化上述推理演算得到的模糊輸出量必須轉(zhuǎn)換為清晰量，這個(gè)過程就是解模糊化45。解模糊化的方法一般有以下兩種(1) 最大隸屬法。這種方法實(shí)現(xiàn)起來比較簡單，若推理結(jié)論中的模糊集合C的隸屬度僅有一個(gè)最大值，則選取隸屬度最大的元素作為輸出量，即如果，則精確輸出值為。若輸出量的隸屬度有多個(gè)最大值，則有最大隸屬度的元素取平均值作為精確輸出值。(2) 加權(quán)平均法。該算法具有靈活性，選取的加權(quán)平均值作為輸出精確值，可由下式表示 (3.3)3.2自適應(yīng)模糊PID控制器的設(shè)計(jì)自適應(yīng)模糊PI

29、D控制器的結(jié)構(gòu)框圖如圖3.1所示，它包括PID控制器和模糊控制器兩部分。本章采用的是二輸入三輸出的模糊控制器，它是以瞬時(shí)隊(duì)列長度和期望隊(duì)列長度的誤差e和誤差的變化率ec作為控制器的輸入量，PID控制器三個(gè)參數(shù)的變化量作為輸出量。本章是通過查找模糊規(guī)則表并進(jìn)行模糊推理和反模糊化得到三個(gè)參數(shù)的精確變化量，然后對PID三個(gè)參數(shù)進(jìn)行在線調(diào)整，并及時(shí)更新丟棄概率，使其作用于TCP/IP模型，最終能夠使瞬時(shí)隊(duì)列長度在網(wǎng)絡(luò)動(dòng)態(tài)變化的環(huán)境下仍然保持穩(wěn)定，從而達(dá)到良好的控制效果。圖3.1 自適應(yīng)模糊PID控制器結(jié)構(gòu)框圖輸入和輸出變量的選擇及量化模糊控制器有兩個(gè)輸入，分別為誤差e以及誤差變化率ec。e的計(jì)算方式如

30、下式所示 (3.4)其中，q(k)為瞬時(shí)隊(duì)列長度，為隊(duì)列長度期望值。ec的計(jì)算方法如下式所示(3.5)模糊控制器的輸出為PID三個(gè)參數(shù)的增量、。首先選定輸入輸出變量的模糊狀態(tài)，本章選取七個(gè)模糊狀態(tài)，分別為PB、PM、PS、Z、NS、NM、NP。輸入變量e的論域選取為-3，3，輸入變量ec及輸出變量的論域取為-0.3，0.3，如圖3.2所示，選取三角形函數(shù)為隸屬度函數(shù)。(a) e(b) ec及輸出變量圖3.2 輸入和輸出變量的隸屬度函數(shù) 模糊規(guī)則結(jié)合專家知識和經(jīng)驗(yàn)，所有的模糊規(guī)則如表3.1所示。共有49條模糊規(guī)則，第一條規(guī)則如下Rule 1: If e is NB andec is NB the

31、nis PB其它規(guī)則與Rule 1類似。表3.1 /的模糊規(guī)則表eceNBNMNSZPSPMPBNBPB/NB/PSPB/NB/NSPM/NM/NBPM/NM/NBPS/NS/NBZ/Z/NMZ/Z/PSNMPB/NB/PSPB/NB/PSPM/NM/NBPS/NS/NMPS/NS/NMZ/Z/NSZ/Z/ZNSPM/NB/ZPB/NB/NSPM/NS/NMPS/NS/NMZ/Z/NSNS/PS/NSNS/PS/ZZPM/NM/ZPM/NM/NSPS/NS/NSZ/Z/NSNS/PS/NSNM/PM/NSNM/PM/ZPSPM/NM/ZPS/NS/ZZ/Z/ZNS/PS/ZNS/PS/ZNM/

32、PM/ZNM/PB/ZPMPS/Z/PBZ/Z/NSNS/PS/PSNM/PS/PSNM/PM/PSNM/PB/PSNB/PB/PBPBZ/Z/PBZ/Z/PMZM/PS/PMNM/PM/PMNM/PM/PSNB/PB/PSNB/PB/PB 模糊推理及反模糊化本文采用了Mamdani推理法，對于下面的控制規(guī)則利用模糊蘊(yùn)含最小值法可得(3.6)其中，表示min。模糊合成采用最大值法，則可由式表示:(3.7)其中，表示ma*。為了獲得的準(zhǔn)確值，本章采用比較簡單的最大隸屬度函數(shù)法進(jìn)行去模糊化。類似地，也可以得到和的精確值。從而、和的值可以用下式計(jì)算 (3.8)其中，和為PID控制器三個(gè)參數(shù)的初始值，

33、在仿真中可以根據(jù)需要進(jìn)行設(shè)定。以提供更好的服務(wù)質(zhì)量。 - .- -可修編- -. z. - .- -可修編- -第4章 基于模糊增益神經(jīng)元主動(dòng)隊(duì)列管理算法的研究4.1 算法描述從控制理論方面來講，TCP/AQM控制系統(tǒng)可以轉(zhuǎn)化為一個(gè)反饋控制系統(tǒng)模型。AQM作為系統(tǒng)的控制器，TCP作為系統(tǒng)的被控對象。AQM會(huì)根據(jù)丟棄概率p來調(diào)節(jié)路由器瞬時(shí)隊(duì)列長度以到達(dá)期望隊(duì)列長度，從而使路由器保持高鏈路利用率和低延遲的狀態(tài)，最終達(dá)到提高QoS的目的。傳統(tǒng)控制理論方法僅僅依賴于結(jié)構(gòu)確定的數(shù)學(xué)模型，建立一個(gè)較為精確的網(wǎng)絡(luò)模型是比較困難的，原因在于網(wǎng)絡(luò)系統(tǒng)的復(fù)雜性、時(shí)變性及實(shí)際存在的網(wǎng)絡(luò)干擾。而智能控制，如神經(jīng)元控制

34、和模糊控制，具有結(jié)構(gòu)簡單，易于計(jì)算，自適應(yīng)性強(qiáng)等優(yōu)點(diǎn)49，已經(jīng)應(yīng)用于復(fù)雜的主動(dòng)隊(duì)列管理機(jī)制中。本文基于神經(jīng)元控制和模糊控制，給出一種自適應(yīng)模糊神經(jīng)元主動(dòng)隊(duì)列管理算法。該算以瞬時(shí)隊(duì)列長度有擁塞指標(biāo)，能夠更好的感知網(wǎng)絡(luò)狀況。采用有監(jiān)督的Hebb算法自適應(yīng)地調(diào)節(jié)神經(jīng)元的加權(quán)系數(shù)，同時(shí)設(shè)計(jì)了模糊控制器，動(dòng)態(tài)地調(diào)整神經(jīng)元的增益K，以取得更好的控制性能及魯棒性，其控制原理如圖4.1所示。圖4.1 模糊神經(jīng)元控制原理圖圖4.1中q為瞬時(shí)隊(duì)列長度，為隊(duì)列長度目標(biāo)值，p為丟棄概率，單神經(jīng)元有3個(gè)輸入分別為、。采用有監(jiān)督的Hebb算法自適應(yīng)地調(diào)節(jié)加權(quán)系數(shù)，模糊控制器動(dòng)態(tài)地調(diào)整神經(jīng)元增益K，計(jì)算得到的丟棄概率p作為

35、控制系統(tǒng)的輸出。4.2神經(jīng)元控制器的設(shè)計(jì)4.2.1 單神經(jīng)元控制系統(tǒng)圖4.1中自適應(yīng)模糊神經(jīng)元算法的輸入量分別為 (4.1)其中，為瞬時(shí)隊(duì)列長度與期望值的誤差，為誤差的一次差分，為誤差的二次差分。神經(jīng)元控制系統(tǒng)的輸入輸出關(guān)系為 (4.2)其中，K為單神經(jīng)元的增益，并且保證K0，為單神經(jīng)元的輸入，為的加權(quán)系數(shù)，u(k)為單神經(jīng)元的輸出，其中，i=1，2，3。 單神經(jīng)元控制學(xué)習(xí)方法學(xué)習(xí)規(guī)則是通過*種算法不斷地修改神經(jīng)元加權(quán)系數(shù)的過程，通過對周圍環(huán)境進(jìn)行學(xué)習(xí)從而適應(yīng)環(huán)境。神經(jīng)元學(xué)習(xí)過程中，加權(quán)系數(shù)與遞進(jìn)信號成正比，同時(shí)慢慢地衰減，其學(xué)習(xí)規(guī)則可由下式表示 (4.3)其中，是學(xué)習(xí)速率系數(shù)，并保證0，是遞進(jìn)信號，c為常數(shù)，實(shí)際應(yīng)用中取為0。在神經(jīng)元學(xué)習(xí)算法中，根據(jù)學(xué)習(xí)信號的不同將學(xué)習(xí)算法分為3種：無導(dǎo)的Hebb學(xué)習(xí)算法、有導(dǎo)的Delta學(xué)習(xí)算法和有導(dǎo)