| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·引言 | 第7页 |
| ·网络拥塞控制的研究现状 | 第7-9页 |
| ·源端算法 | 第7-8页 |
| ·链路算法 | 第8-9页 |
| ·主动队列管理算法的研究概况 | 第9-12页 |
| ·基于启发式的AQM算法 | 第9-10页 |
| ·基于控制理论的AQM算法 | 第10-11页 |
| ·基于公平性的AQM算法 | 第11-12页 |
| ·本文的主要内容及安排 | 第12-14页 |
| 2 经典AQM算法及其仿真研究 | 第14-20页 |
| ·引言 | 第14页 |
| ·几种经典AQM算法 | 第14-16页 |
| ·RED算法 | 第14-15页 |
| ·REM算法 | 第15-16页 |
| ·PI算法 | 第16页 |
| ·仿真实验 | 第16-19页 |
| ·负载固定情况下各算法的仿真研究 | 第17-18页 |
| ·混合数据流共存情况下各算法的性能分析 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 基于单神经元滑模变结构控制的AQM算法 | 第20-33页 |
| ·引言 | 第20-21页 |
| ·TCP/AQM系统模型 | 第21页 |
| ·单神经元滑模变结构AQM算法的实现 | 第21-26页 |
| ·设计切换函数 | 第21-22页 |
| ·设计控制律 | 第22-23页 |
| ·系统稳定性分析 | 第23-24页 |
| ·基于单神经元梯度学习的自适应变结构AQM算法(NVSC)的实现 | 第24-25页 |
| ·单神经元梯度学习算法的收敛性分析 | 第25-26页 |
| ·仿真实验 | 第26-32页 |
| ·负载固定情况下各算法的仿真研究 | 第27-29页 |
| ·突发数据流情况下各算法的性能分析 | 第29-31页 |
| ·混合数据流共存情况下各算法的性能分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于RBF神经网络滑模变结构控制的AQM算法 | 第33-43页 |
| ·引言 | 第33页 |
| ·问题描述 | 第33-34页 |
| ·基于RBF神经网络滑模变结构控制的AQM算法的实现 | 第34-37页 |
| ·等效控制的设计 | 第35-36页 |
| ·切换控制的设计 | 第36页 |
| ·稳定性分析 | 第36-37页 |
| ·仿真实验 | 第37-42页 |
| ·单瓶颈链路 | 第37-40页 |
| ·多瓶颈链路 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于RBF神经网络滑模补偿控制的AQM算法 | 第43-53页 |
| ·引言 | 第43页 |
| ·基于RBF神经网络滑模补偿控制的AQM算法的实现 | 第43-47页 |
| ·理想控制律的设计 | 第44-45页 |
| ·补偿器的设计 | 第45-46页 |
| ·稳定性证明 | 第46页 |
| ·自适应律设计 | 第46-47页 |
| ·仿真实验 | 第47-52页 |
| ·单瓶颈链路 | 第47-50页 |
| ·多瓶颈链路 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
