基于流量预测的RED拥塞控制算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| 1-1 拥塞控制研究的背景 | 第8页 |
| 1-2 国内外研究现状 | 第8-11页 |
| 1-3 研究网络拥塞控制的意义 | 第11页 |
| 1-4 本文主要工作和结构安排 | 第11-13页 |
| 第二章 网络拥塞控制算法相关问题研究 | 第13-24页 |
| 2-1 网络拥塞的基本概念 | 第13-16页 |
| 2-1-1 拥塞产生的原因 | 第13-14页 |
| 2-1-2 拥塞控制算法评价标准 | 第14-16页 |
| 2-1-3 拥塞控制算法设计中的难点 | 第16页 |
| 2-2 拥塞控制算法基础 | 第16-19页 |
| 2-2-1 队列管理 | 第17-18页 |
| 2-2-2 队列调度 | 第18-19页 |
| 2-3 拥塞控制算法分类及介绍 | 第19-23页 |
| 2-3-1 分类 | 第19-20页 |
| 2-3-2 典型源算法介绍 | 第20-21页 |
| 2-3-3 典型链路算法介绍 | 第21-23页 |
| 2-4 本章小结 | 第23-24页 |
| 第三章 基于网络流量预测的智能算法 | 第24-47页 |
| 3-1 网络流量预测原理及方法 | 第24-31页 |
| 3-1-1 网络流量的特性 | 第24-26页 |
| 3-1-2 网络流量预测的基本原理 | 第26-30页 |
| 3-1-3 网络流量预测的主要评价指标 | 第30-31页 |
| 3-1-4 网络流量预测的影响因素 | 第31页 |
| 3-2 智能算法基础 | 第31-39页 |
| 3-2-1 模糊技术 | 第32页 |
| 3-2-2 全局优化算法 | 第32-35页 |
| 3-2-3 群集智能技术 | 第35-36页 |
| 3-2-4 人工神经网络算法 | 第36-39页 |
| 3-3 智能算法在预测流量中的应用 | 第39-46页 |
| 3-3-1 样本数据的获取及预处理 | 第39-41页 |
| 3-3-2 建立网络预测模型及预测过程 | 第41-43页 |
| 3-3-3 预测实验结果及分析 | 第43-46页 |
| 3-4 本章小结 | 第46-47页 |
| 第四章 RED拥塞控制算法及基于流量预测的改进 | 第47-58页 |
| 4-1 RED拥塞控制算法论述 | 第47-51页 |
| 4-1-1 平均队列长度的计算 | 第48-49页 |
| 4-1-2 丢弃分组概率的计算 | 第49-50页 |
| 4-1-3 RED算法描述及流程图 | 第50-51页 |
| 4-2 RED算法性能分析 | 第51页 |
| 4-3 基于流量预测的改进RED算法 | 第51-57页 |
| 4-3-1 改进思想及算法流程图 | 第52-53页 |
| 4-3-2 对RED算法协议的修改 | 第53-57页 |
| 4-4 本章小结 | 第57-58页 |
| 第五章 算法仿真实验及结果分析 | 第58-70页 |
| 5-1 NS安装与环境配置工作 | 第58-59页 |
| 5-2 NS仿真流程 | 第59-61页 |
| 5-3 拥塞控制算法仿真实验过程 | 第61-65页 |
| 5-3-1 网络拓扑结构 | 第61页 |
| 5-3-2 实验步骤 | 第61-65页 |
| 5-4 实验结果分析 | 第65-70页 |
| 第六章 结论与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间所取得的相关科研成果 | 第75页 |
