基于神经网络的AQM算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 主动队列管理 | 第10-21页 |
| ·拥塞控制研究的目的与意义 | 第10-13页 |
| ·拥塞产生的原因以及拥塞控制的意义 | 第10-11页 |
| ·拥塞控制算法的分类 | 第11-13页 |
| ·主动队列管理算法 | 第13-20页 |
| ·主动队列管理算法的研究现状 | 第14-18页 |
| ·主动队列管理算法的优势 | 第18-19页 |
| ·主动队列管理算法的性能评价 | 第19-20页 |
| ·本文的研究工作 | 第20-21页 |
| 2 主动队列管理算法的建模与分析 | 第21-27页 |
| ·基于TCP拥塞控制的主动队列管理建模 | 第21-22页 |
| ·TCP+AQM的微分方程模型 | 第22-27页 |
| 3 仿真平台NS介绍 | 第27-36页 |
| ·NS开发背景 | 第27-29页 |
| ·NS的设计目标 | 第27-28页 |
| ·开发背景及其版本 | 第28-29页 |
| ·NS的原理 | 第29-33页 |
| ·离散事件模拟器 | 第30页 |
| ·NS体系结构 | 第30-31页 |
| ·NS组件库 | 第31-33页 |
| ·NS的运行平台及安装 | 第33页 |
| ·用NS进行仿真的一般步骤 | 第33-36页 |
| ·NS中添加新模块步骤 | 第33-34页 |
| ·NS仿真的一般步骤 | 第34-36页 |
| 4 基于神经网络的预测PID算法 | 第36-49页 |
| ·神经网络理论 | 第36-37页 |
| ·预测控制理论 | 第37-39页 |
| ·广义预测控制 | 第37页 |
| ·模型描述 | 第37-39页 |
| ·基于神经网络的预测PID控制 | 第39-45页 |
| ·BP神经网络 | 第39-41页 |
| ·预测器的设计 | 第41-42页 |
| ·预测PID控制算法 | 第42-45页 |
| ·仿真试验 | 第45-49页 |
| 5 单神经元自适应PID的AQM算法研究 | 第49-58页 |
| ·神经元模型 | 第49-50页 |
| ·学习规则 | 第50-51页 |
| ·单神经元自适应PID算法 | 第51-53页 |
| ·仿真试验 | 第53-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
