改进的随机早期检测非线性算法

doi:10.3724/SP.J.1087.2011.00890

计算机应用 ›› 2011, Vol. 31 ›› Issue (04): 890-892.DOI: 10.3724/SP.J.1087.2011.00890

改进的随机早期检测非线性算法

马俊,张燕平,王永成,陈晓燕

安徽大学计算智能与信号处理教育部重点实验室，合肥 230039

收稿日期:2010-10-26 修回日期:2010-12-17 发布日期:2011-04-08 出版日期:2011-04-01
通讯作者: 马俊
作者简介:张燕平(1962-)，女，安徽巢湖人，教授，博士生导师，博士，主要研究方向：机器学习、神经网络、计算机系统结构与网络；
马俊(1985-)，男，安徽合肥人，硕士研究生，主要研究方向：服务质量、计算机系统结构与网络；
王永成(1985-)，男，安徽淮南人，主要研究方向：机器学习；
陈晓燕(1988-)，女，安徽巢湖人，硕士研究生，主要研究方向：机器学习。
基金资助:
国家973计划项目(2007BC311003);国家自然科学基金资助项目(60675031；61073117);安徽省自然科学基金资助项目(11040606M145)

Improved nonlinear random early detection algorithm

Jun MA,Yan-ping ZHANG,Yong-cheng WANG,Xiao-yan CHEN

MOE Key Laboratory of Intelligent Computing and Signal Processing, Anhui University, Hefei Anhui 230039, China

Received:2010-10-26 Revised:2010-12-17 Online:2011-04-08 Published:2011-04-01
Contact: Jun MA

摘要/Abstract

摘要： 主动队列管理是目前的研究热点，随机早期检测(RED)算法是一种经典的队列管理算法。线性RED算法虽然简单且容易计算，但队列位于最小阈值和最大阈值附近时的丢包概率都不太合理。在论证了平均队列长度和丢包概率间为非线性性质后，提出了一种改进非线性RED算法——JRED。利用NS2对改进的算法进行仿真，结果表明，JRED算法提高了平均吞吐量，降低了丢包概率，增强了网络稳定性和可靠性。

关键词: 队列管理, 随机早期检测, 非线性, 平均队列长度, 平均吞吐量, NS2

Abstract: Active queue management is a focus of current research. Random Early Detection (RED) is one kind of classical queue management algorithms. Linear RED is simple and easy to calculate; however, when average queue size is near to the minimum and maximum threshold, the loss rate is unreasonable. After verifying the nonlinear character between average queue size and packet loss rate, an improved RED algorithm named JRED was presented. The simulation on NS2 shows that the average throughput is improved, and the packet loss rate is decreased. With the JRED algorithm, the stableness and reliability of network are enhanced.

Key words: queue management, Random Early Detection (RED), nonlinear, average queue size, average throughput, Network Simulator version 2 (NS2)

中图分类号:

TP393.03

马俊张燕平王永成陈晓燕. 改进的随机早期检测非线性算法[J]. 计算机应用, 2011, 31(04): 890-892.

Jun MA Yan-ping ZHANG Yong-cheng WANG Xiao-yan CHEN. Improved nonlinear random early detection algorithm[J]. Journal of Computer Applications, 2011, 31(04): 890-892.

[1]	王怀, 王展青. 非线性约束下的准单应变换图像拼接算法[J]. 计算机应用, 2021, 41(8): 2318-2323.
[2]	汤安迪, 韩统, 徐登武, 谢磊. 混沌精英哈里斯鹰优化算法[J]. 计算机应用, 2021, 41(8): 2265-2272.
[3]	冯子凯, 陈立家, 刘名果, 袁蒙恩. 基于结构自适应滤波方法的非线性系统辨识[J]. 计算机应用, 2020, 40(8): 2319-2326.
[4]	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.
[5]	邓凯, 黄佳进, 秦进. 基于物品的统一推荐模型[J]. 计算机应用, 2020, 40(2): 530-534.
[6]	徐衍胜, 张游杰. 基于随机函数的非线性映射保序加密方案[J]. 计算机应用, 2020, 40(10): 2986-2991.
[7]	韩玉兰, 韩崇昭. 非线性系统的多扩展目标跟踪算法[J]. 计算机应用, 2019, 39(5): 1318-1324.
[8]	林立, 孟学雷, 宋仲仲. 考虑区域协调性的城际列车开行方案优化[J]. 计算机应用, 2019, 39(2): 598-603.
[9]	郑红星, 王泉慧, 任亚群. 考虑潮汐影响的班轮多船型船舶调度[J]. 计算机应用, 2019, 39(2): 611-617.
[10]	丁建立, 穆涛, 王怀超. 基于谱回归核判别分析的候机楼室内快速定位算法[J]. 计算机应用, 2019, 39(1): 256-261.
[11]	汤启, 何腊梅. 带非线性等式约束无迹卡尔曼滤波方法[J]. 计算机应用, 2018, 38(5): 1481-1487.
[12]	海涛, 张雷, 刘旭焱, 张新刚. 基于改进复扩散自适应耦合非局部变换域模型的图像放大[J]. 计算机应用, 2018, 38(4): 1151-1156.
[13]	谢吉洋, 闫冬, 谢垚, 马占宇. 基于NARX神经网络的热负荷预测中关键影响因素分析[J]. 计算机应用, 2018, 38(11): 3180-3187.
[14]	邹思凡, 吴国庆, 茅靖峰, 朱维南, 王玉荣, 王健. 改进非线性干扰观测器的机械臂自适应反演滑模控制[J]. 计算机应用, 2018, 38(10): 2827-2832.
[15]	赵颖, 叶涛, 韦永壮. 几类高强度密码S盒的安全性新分析[J]. 计算机应用, 2017, 37(9): 2572-2575.

改进的随机早期检测非线性算法

Improved nonlinear random early detection algorithm

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