基于粒子群优化的主动队列管理方法

doi:10.3724/SP.J.1087.2013.00390

计算机应用 ›› 2013, Vol. 33 ›› Issue (02): 390-396.DOI: 10.3724/SP.J.1087.2013.00390

基于粒子群优化的主动队列管理方法

王军祥¹,²,林柏钢²

1. 福建船政交通职业学院信息工程系，福州 350007
2. 网络系统信息安全福建省高校重点实验室(福州大学)，福州 350108

收稿日期:2012-08-29 修回日期:2012-10-19 出版日期:2013-02-01 发布日期:2013-02-25
通讯作者: 王军祥
作者简介:王军祥(1975-),男,湖南冷水江人,讲师,硕士,主要研究方向:网络与信息安全;
林柏钢(1953-),男,福建连江人,教授,博士生导师,主要研究方向: 网络与信息安全、编码与密码。
基金资助:
福建省信息安全重点项目

The Study of Active Queue Management Algorithm Based on Particle Swarm Optimization

WANG Junxiang¹,²,LIN Bogang²

1. Department of Information Technology and Engineering, Fujian Chuanzheng Communications College, Fuzhou Fujian 350007, China
2. Key Laboratory of Information Security of Network Systems (Fuzhou University), Fuzhou Fujian 350108, China

Received:2012-08-29 Revised:2012-10-19 Online:2013-02-01 Published:2013-02-25
Contact: WANG Junxiang

摘要/Abstract

摘要： 针对网络拥塞现象，基于粒子群优化(PSO)提出了一种新的主动队列管理算法RQQM。该算法首先通过粒子群优化和变异算子来计算当前队列长度，并且基于到达速率和当前队列长度给出了丢包策略和丢包概率。最后，以实际数据将RQQM算法与基于速率的早期检测公平队列管理(RFED)算法和自适应主动队列管理(ABLUE)算法进行仿真实验，
发现丢包率受利用率和缓冲区影响较大;同时实验结果表明RQQM算法的公平性远远优于其他两种算法，其平均丢包率降低至12.21%。

关键词: 主动队列管理, 丢包概率, 粒子群优化, 队列长度, 到达速率

Abstract: In order to mitigate the network congestion, a novel active queue management algorithm RQQM (Rate and Queue-based Queue Management algorithm) is proposed by particle swarm optimization. In this algorithm, actual queue length is deducted with particle swarm optimization and variation factor, and the dropping strategy and dropping rate are presented based on arrival rate and actual queue length. Then, a simulation with actual data was conducted to study of the algorithm performance between RQQM and RFQM (Rate-based Fair Queue Management algorithm), as well as ABLUE (Adaptive BLUE algorithm). The result shows that it is better adaptability for RQQM.

Key words: Active Queue Management (AQM), dropping rate, Particle Swarm Optimization (PSO), queue length, arrival rate

中图分类号:

王军祥林柏钢. 基于粒子群优化的主动队列管理方法[J]. 计算机应用, 2013, 33(02): 390-396.

WANG Junxiang LIN Bogang. The Study of Active Queue Management Algorithm Based on Particle Swarm Optimization[J]. Journal of Computer Applications, 2013, 33(02): 390-396.

[1]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[2]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[3]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[4]	唐延强, 李成海, 宋亚飞. 基于改进粒子群优化和极限学习机的网络安全态势预测[J]. 计算机应用, 2021, 41(3): 768-773.
[5]	王泽昆, 贺毅朝, 李焕哲, 张发展. 基于新颖S型转换函数的二进制粒子群优化算法求解具有单连续变量的背包问题[J]. 计算机应用, 2021, 41(2): 461-469.
[6]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.
[7]	郭秀婷, 朱昶胜, 张生财, 赵奎鹏. 分形插值在风速时间序列中的应用[J]. 计算机应用, 2020, 40(9): 2628-2633.
[8]	罗斌, 于波. 移动边缘计算中基于粒子群优化的计算卸载策略[J]. 计算机应用, 2020, 40(8): 2293-2298.
[9]	曾明华, 全轲. 双层规划的改进混合布谷鸟搜索量子行为粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1908-1912.
[10]	周文峰, 梁晓磊, 唐可心, 李章洪, 符修文. 具有拓扑时变和搜索扰动的混合粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1913-1918.
[11]	施晓倩, 陈祺东, 孙俊, 冒钟杰. 变分布的量子行为粒子群优化算法求解工程约束优化问题[J]. 计算机应用, 2020, 40(5): 1382-1388.
[12]	霍晴晴, 郭健全. 基于改进遗传算法的生鲜多目标闭环物流网络模型[J]. 计算机应用, 2020, 40(5): 1494-1500.
[13]	许洋, 秦小林, 刘佳, 张力戈. 多无人机自适应编队协同航迹规划[J]. 计算机应用, 2020, 40(5): 1515-1521.
[14]	王杨, 赵红东. 基于改进粒子群优化的支持向量机与情景感知的人体活动识别[J]. 计算机应用, 2020, 40(3): 665-671.
[15]	王庆永, 毛莺池, 王绎超, 王龙宝. 基于多微云协作的计算任务卸载[J]. 计算机应用, 2020, 40(2): 328-334.

基于粒子群优化的主动队列管理方法

The Study of Active Queue Management Algorithm Based on Particle Swarm Optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics