一、基于模糊神经网络的ATM网络连接接纳控制（论文文献综述）
李鑫[1]（2009）在《基于强化学习理论的网络拥塞控制算法研究》文中研究说明随着Internet的飞速发展,用户数量迅速增加,新的网络应用不断涌现,使得网络流量急剧增加,由此引发的网络拥塞已经成为制约网络发展和应用的瓶颈问题。信息拥塞是影响网络服务质量（QoS）的主要原因。因此,有效地解决拥塞问题对于提高网络性能具有重要意义。网络系统本身存在的时变性和不确定性等因素导致网络是一个复杂的大系统,数学模型的复杂性和精确性往往难以满足网络的实时需求。因此需要设计基于学习思想的拥塞控制算法,以便获得更好的拥塞控制效果。强化学习方法不依赖于被控对象的数学模型和先验知识,而是通过试错和与环境的不断交互获得知识,从而改进行为策略,具有自学习的能力。对于网络这种复杂的时变系统,强化学习是一种理想的选择。鉴于此,本文基于强化学习理论提出了几种拥塞控制算法以解决网络的拥塞控制问题。主要工作概括如下：针对单瓶颈ATM网络的拥塞控制问题,基于强化学习理论中的自适应启发评价方法设计了分层的强化学习ABR流量控制器。控制器的动作选择单元利用分层机制,分别基于缓冲区中队列长度和信元丢失率进行控制。ABR发送速率通过对两个子单元的输出利用加权求和得到。然后,基于模拟退火算法设计了控制器的参数学习过程,加快了学习速度,避免了可能存在的局部极值问题。针对含有两个瓶颈节点的ATM网络的拥塞控制问题,基于强化学习理论中的Q-学习思想设计了Q-学习ABR流量控制器。控制器在网络模型参数未知的情况下,通过Q-函数的设计,将寻找最优控制策略的问题转化为寻找一个最优H矩阵的问题。基于递归最小二乘算法实现了H矩阵的学习,进而得到了使网络性能指标最优的控制策略。针对TCP网络的拥塞控制问题,基于强化学习理论中的Q-学习方法设计了主动队列管理算法。控制器学习TCP网络中状态-动作对所对应的Q-函数值,并利用反映了Q-函数值与当前网络状态联系紧密程度的可信度值来调节学习率。然后,利用状态空间变换的思想对状态空间进行了简化。基于Metropolis规则改进了动作选择策略,实现了对未知空间探索和对已有知识完善两种策略的平衡。其次,基于合作奖赏值将所设计的控制器应用于含有多瓶颈节点的网络环境。针对TCP网络中连续的状态空间,基于模糊Q-学习方法设计了主动队列管理算法。学习过程中学习单元所选择的动作以及对应的Q-函数值都是通过模糊推理得到的。然后,利用遗传算法对每条模糊规则的后件部分进行优化,得到适合于每条模糊规则的最优动作。针对网络中存在非合作用户的问题,基于Nash Q-学习方法设计了流量控制器。针对不同业务以及同类业务的不同QoS要求,基于价格机制,制定了不同的价格标准,并应用于奖赏值的计算中。学习单元通过选择符合Nash平衡条件的Q-函数值进行学习。各用户选择的数据发送速率能够在使网络整体性能达到最优的情况下,使各个用户也获得尽可能高的利益。针对网络的路由选择问题,首先设计了双度量Q-Routing路由算法。将数据包传输时间和路径代价分别作为Q-函数值进行学习,并通过调节考虑两个度量的权重影响路由选择的结果。其次,设计了基于记忆的Q-学习路由算法。路径所对应的Q-函数值通过学习反映网络的状态信息。学习单元通过记忆曾经学习到的最优Q-函数值和曾经发生拥塞路径的恢复速率预测网络流量趋势,进而决定路由策略的选择。
田静[2]（2008）在《基于粒子滤波的ATM网络拥塞预测控制研究》文中研究指明异步传输模式（Asynchronous Transfer Mode, ATM）网络中,由于其业务的突发性和时变性,源端不能快速响应网络状态的变化,导致信元大量丢失,信息的拥塞成为影响网络服务质量（QoS）的主要原因,其拥塞控制的研究具有重要的理论意义和实用价值。为此,本文在对现有拥塞控制算法进行广泛研究的基础上,从预测控制的角度出发,研究网络的拥塞控制。本文基于ATM网络,针对业务源的统计特性,结合粒子滤波算法良好的预测性能,研究了粒子滤波在网络拥塞预测控制中的应用。本文主要工作如下：（1）从拥塞产生的原因、拥塞特性、判断方法、设计目标等几方面对ATM网络进行分析,提出本文所采用的ATM拥塞控制的预测决策机制。（2）将ATM网络的队列系统模型使用数学语言进行描述,并以信元丢失率作为衡量网络拥塞控制指标,采用粒子滤波算法对网络进行预测,结合网络拥塞的控制流程,降低源端信元发送速率。（3）为平衡预测粒子的有效性和多样性两个性能指标,将遗传机制应用到其重采样模块中,进一步改善预测控制的性能。本文的核心思想在于将粒子滤波算法和改进的遗传重采样粒子滤波算法应用于ATM网络拥塞预测控制,以取得较低的信元丢失率。仿真实验表明,在与模糊神经网络方法比较的过程中,基于粒子滤波方法的拥塞预测控制机制能够对ATM源端信元速率的突变做出更加快速的反应,具有较低的信元丢失率；在使用遗传重采样粒子滤波算法进行预测时,改进的算法具有更低的信元丢失率,拥塞控制效果更佳,保证了网络服务的质量。
顾亦然,王锁萍[3]（2005）在《遗传算法与神经网络在接纳控制中的应用》文中进行了进一步梳理ATM网络的业务量控制是ATM网络中的关键技术之一。连接接纳控制是业务量控制的一种,对业务源进行控制。该文采用遗传算法和神经网络对ATM网络进行连接接纳控制,是一种比较可行的方法。
王晓凯,侯朝桢[4]（2005）在《基于模糊神经网络的战术互联网呼叫接纳控制》文中指出呼叫接纳控制是通信网络业务量控制中的一种预防式策略。针对战术互联网的特殊性 ,提出了基于模糊神经网络的战术互联网呼叫接纳控制模型和相应的算法。该方法用信元丢失率和时延来描述服务质量 ,符合军事通信网络的要求 ;体现了基于测量的接纳控制的基本思想 ,使模糊神经网络预测器能够及时地反映网络的当前状态 ,保证了呼叫接纳控制算法结果的准确性。仿真实验结果表明了该方法的有效性和优越性
翟东海,李力,靳蕃[5]（2004）在《基于Additive-multiplicative模糊神经网的ATM网络拥塞控制》文中指出考虑了模糊神经网络的学习功能,提出利用Additive multiplicative模糊神经网络（AMFNN）对ATM网络进行拥塞控制的方案.在拥塞控制过程中,利用AMFNN模糊神经网络预测下一个将要到达流的特征,结合当前缓冲区的队列信息预测网络是否发生拥塞.一旦预测出将有拥塞发生,控制器则向源端反馈拥塞控制信息,信源根据拥塞信息适当降低传输速率,从而避免了拥塞的发生.仿真结果表明,该方法可改善网络对拥塞的实时处理能力,提高网络资源的利用率.
刘庆峰[6]（2004）在《基于源端的ATM网络ABR业务流量控制》文中提出高速计算机通信网络的关键技术之一是异步传输模式（ATM：Asynchronous Transfer Mode）技术。在ATM网络中，信息的拥塞及丢失是影响网络业务服务质量的主要原因。自适应比特率（ABR：Available Bit Rate）业务是唯一一种可采用反馈机制进行流量控制的业务，因此，近年来ABR业务流量的控制和管理问题成为一个研究热点。通信网络是一个庞大的复杂系统，ATM网络拥塞控制的研究对网络的控制和通信均具有重要的理论意义和实用价值。本文正是以此为研究对象，将控制理论概念引入到网络通信中，很好地解决可控流的拥塞控制问题。本文首先介绍了ATM网络的基本原理，ABR业务的反馈机制，以及ABR流量控制机制，分析了现有的ATM网络拥塞控制原理。其次，对现有基于速率的流量控制算法进行了分析，这些算法中大多都能提高活动连接和连接装置的公平性，但是，也给交换机带来更大的复杂性。基于这点，本文提出了一种流量控制算法，并将部分速率计算工作从交换机转移到源端系统中进行。结果表明，该算法能够减少交换机的速率计算工作以及交换复杂性。而且，还降低了交换机在每一时间间隔内为每条链路计算负载因子的难度，从而使网络中的队列长度保持在稳定状态下，进而达到了网络的全局最优性。最后，本文对提出的算法进行了仿真实验。由于本算法引入三个参数，这三个参数的值对本算法进行拥塞控制的效果起到决定性作用，因此，在仿真中，重点对三个参数的取值范围进行仿真，给出了该参数的最优解，同时，在相同的仿真模型中，对ERICA+算法也进行仿真，对仿真结果进行比较，结果表明该算法达到了很好的效果。该方法和算法的提出，对解决ATM网络的拥塞问题提供了理论指导，具有一定理论意义和实践意义。
赵雪[7]（2004）在《ATM网络拥塞控制的智能PID方法研究》文中提出ATM（Asynchronous Transform Mode）——异步传输模式网络技术，是当前宽带网络（如ADSL、VDSL等）的核心技术，自1994年以来已从实验室研究大量走向实际应用。它结合了电路网络和计算机网络的优点，能承载语音、数据和图像等多种业务。但是，随着网络业务量的增加，ATM网络的拥塞控制越发成为迫切需要解决的难题。 ATM网络的一个重要特征就是它能提供几类服务以满足不同服务质量的要求，这包括：恒定比特率（CBR）、未定比特率（UBR）、可用比特率（ABR）以及可变的比特率（VBR）服务。这些服务中，CBR和VBR属于“受保护”的服务，它们被网络中的交换机赋予更高的优先权，优先获得链路带宽的分配。ABR则是利用CBR和VBR连接剩余的带宽来承载“尽力传输”的业务；此外，ABR服务主要用于支持数据应用，在网络信息传输中有着重要的地位。因此ABR业务的拥塞控制显得尤为重要。 ABR业务采用基于速率反馈的拥塞控制机制，主要有两种实现方案：二进制速率反馈和显示速率反馈方案。在高速网络中，实现方案的简洁性在很大程度上决定着交换机的性能，所以广大交换机厂商纷纷采用了相对简单的二进制速率反馈方案。但是，传统的二进制ABR业务拥塞控制机制大多基于启发式法则而没有正式的理论支持，所以这些方法存在两个不足，一是队列长度和源端允许信元速率呈现振荡性；二是在具有大的带宽时延乘积的网络中，控制效果不佳。本文摒弃了以往二进制ABR拥塞控制中采用的直觉分析方法，从控制理论的角度分析了该问题。本文的主要工作包括： 首先，基于流体流理论建立了单瓶颈节点的二进制ABR流的网络模型。在对该模型线性化后，本文对二进制ABR拥塞控制广泛采用的显示前向拥塞指示（EFCI）算法进行了性能分析，结果表明二进制EFCI算法导致系统振荡的主要原因在于判定和解除拥塞状态时引入了非线性环节，而非二进制机制的内在属性。因此从理论上讲，二进制反馈机制的简洁性应该有充分发挥的空间。这为论文的研究奠定了基础。 然后，采用上述模型，分别基于线性PID、模糊PID、神经PID、专家PID摘要及遗传算法PID技术，研究了二进制ABR流的拥塞控制问题。线性PID控制器在一定程度上抑制了系统振荡，使得系统的稳态/动态性能有所改善，同时使得系统具有一定的鲁棒性。继普通PID控制之后，设计了三种改进的PID控制器，即积分分离PID、变速积分PID及微分先行PID控制器，这类改进的PID控制器进一步改善了系统性能，但其效果不明显。 将模糊逻辑与PID技术相结合，研究设计了直接控制量模糊PID控制器、模糊自适应整定PID控制器及模糊免疫PID控制器，并将其成功地应用于二进制ABR流的拥塞控制。仿真表明这类控制器不仅具有传统PID控制器的优良特性，而且由于模糊逻辑的加入，当系统受到可变比特流的干扰或系统参数变化时，控制器翔玉能很好地完成控制任务。一 将神经网络与PID技术相结合，研究设计了单神经元自适应PID控制器，并根据控制经验将其进行了改进;提出了一种动态前向网络范畴的新型神经元PID控制器，并将其成功地应用于二进制ABR流的拥塞控制。这类控制器通过自学习，取得了良好的控制效果，有效的抑制了系统振荡，实现了零超调、零误差，增强了系统的鲁棒性。相对于其它拥塞控制机制，这类控制机制的综合性能更加突出。 将专家知识及遗传算法与PID技术相结合，研究设计了专家PD控制器和基于遗传算法的PID控制器，并将其应用于二进制ABR流的拥塞控制。仿真表明这两种控制方法的有效性，但是其控制效果仍有待改善。 最后，本文分析比较了各类拥塞控制方法，指出了它们的优缺点，同时对ABR拥塞控制及智能Pro控制的应用前景进行了展望。
袁石勇[8]（2003）在《ATM网络反应式拥塞控制算法的研究》文中认为异步传输模式（ATM）是一种典型的高速综合业务网络传输技术，能灵活有效地统计复用具有不同服务质量要求和不同带宽要求的不同类型的信源信号，如话音、图像、数据等，提高了网络资源的利用率。由于网络各类资源（信道容量、节点中缓存器容量等）的有限性和网络中各种数据流的不可确定性，不可避免地导致了网络拥塞的产生，使得拥塞控制成为ATM网络亟待解决的关键技术之一。 在阅读大量文献的基础上，本文主要的创新性工作包括： 1．针对实时性业务在ATM复接器UNI的拥塞问题，提出一种基于神经网络的拥塞控制方法。在该方法中，拥塞控制器以缓冲区大小信元作为拥塞指示，以信源质量和带宽利用率作为目标函数进行在线学习，控制器输出包括信源编码率及其对应的用户数在全部用户中所占的百分比，即根据信源编码率及对应的用户百分数调整信源输入流，从而克服了以往拥塞控制方法中仅仅调整编码率带来的对所有信源进行整体调整的缺陷，使控制系统在信元损失率最小情况下确保信源输入流质量最高，从而有效地利用了网络带宽。仿真结果表明该方法的有效性。 2．详细分析了反馈时延差异对ATM网络拥塞控制系统的影响，并提出一种考虑时延影响的ERICA改进算法。改进的ERICA算法加入时延因子，使在连接中具有不同时延的用户在剩余带宽变化时，速率的调整具有不同反应，时延大的反应较迟钝，时延小的反应较敏感。改进算法使得小时延信源能更快的适应带宽的变化，缓解了由于大时延信源速率调整的滞后而无法及时解除拥塞的现象。对低速网络和高速网络的仿真表明了ERICA改进算法大大地减少了信元损失率，降低了信源速率调整的波动。
郑涛,高振志,陈增强,袁着祉[9]（2001）在《基于模糊神经网络的ATM网络连接接纳控制》文中进行了进一步梳理ATM网络的业务量控制是ATM网络中的关键技术之一。连接接纳控制是业务量控制的一种,对业务源进行预防式控制。本文采用模糊神经网络算法对ATM网络进行连接接纳控制,仿真结果表明它比传统的算法有更好的效果。
冯涛[10]（1998）在《ATM网络的业务源模型和流量管理》文中研究表明本文的主要目的是为ATM（异步传输模式）技术中一些亟待解决的和有争议的问题提出我们自己的理解、建议和指导性的思路。众所周知，ATM技术目前还不够成熟，这限制了它进一步的发展和应用。尤其是一些重要的基本理论问题，如业务源模型、流量管理、统计复用、协议互通、网络管理等，都不断有新的技术和观点涌现。因此，对未解决的问题提供合理的解决和实现方法，以及在各种方法间提供平衡性的选择法则，就显得至关重要，这是ATM实用化过程中的课题之一。 在这些问题中，有关业务源模型的理论是当前研究的焦点之一。近年来，对大量网络业务的精确分析表明，自相似（或分形，或大范围相关）模型可能比传统的泊松-马尔可夫过程更为精确和实际。这样，现有各种基于传统模型的流量管理、拥塞控制、统计复用策略都将需要重新设计或做较大的改动。因为这一模型的带宽估计和排队分析对业务突发度的估计过于乐观，而且多个自相似源的叠加将加重而不是减轻突发的程度，这对于ATM网络的统计复用理论基础是一个极大的挑战。本文首先分析和比较了业务源模型中最重要的一类，即可变比特率（VBR，主要是视频）业务的各种模型，然后总结了当前在自相似模型领域的一些研究成果，包括数学模型，排队分析，Hurst参数计算和仿真方法等。在此基础上，我们分析了Norros有效带宽公式对统计复用的影响，并提出了用神经网络方法进行流量预测的原理和方法。另外，我们对在中国科技网上截取的流量序列实例进行了自相似性分析和模拟。这些工作都是具有开创性的。 关于流量管理的研究是本文的另一个重点。虽然ATM论坛摒弃了基于信用的控制而采用了基于速率的控制方法，但是争论仍然存在。在ATM上要达到象LAN那样的流量和拥塞控制还需要较长的时间，并且是ATM成功的一个关键问题。本文分析和比较了各种流量管理策略的优缺点，提出了针对不同环境和应用，应该采取混合流量管理和拥塞控制策略的思想。我们还对其中一些策略的GFC信令的定义和RM信元的功能等做了细致和深入的讨论和说明。我们还讨论了针对无连接（CL）服务的流量控制结合动态带宽分配的策略，并进行了具体分析。 对于ATM的研究而言，对多种方案的选择比较和一个未来的发展方向，
二、基于模糊神经网络的ATM网络连接接纳控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模糊神经网络的ATM网络连接接纳控制（论文提纲范文）
（1）基于强化学习理论的网络拥塞控制算法研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 目录 |
| 第1章 绪论 |
| 1.1 网络拥塞控制研究的意义 |
| 1.2 网络拥塞控制的发展及研究概况 |
| 1.2.1 ATM网络的ABR流量控制 |
| 1.2.2 TCP网络的队列管理算法 |
| 1.2.3 QoS路由管理算法 |
| 1.3 强化学习研究概述 |
| 1.4 本文主要工作 |
| 第2章 基于模拟退火的分层强化学习ABR流量控制器的设计 |
| 2.1 引言 |
| 2.2 网络模型描述 |
| 2.3 基于分层强化学习的ABR流量控制器的设计 |
| 2.3.1 ABR流量控制器的结构 |
| 2.3.2 AEN的设计与参数学习 |
| 2.3.3 ASN的设计 |
| 2.3.4 SAM的设计 |
| 2.4 基于模拟退火的ASN参数学习 |
| 2.5 系统仿真 |
| 2.6 小结 |
| 第3章 基于递归最小二乘的Q-学习多瓶颈ABR流量控制器的设计 |
| 3.1 引言 |
| 3.2 网络模型描述 |
| 3.3 基于最小二乘的Q-学习流量控制器的设计 |
| 3.3.1 控制器的设计 |
| 3.3.2 基于递归最小二乘的控制器学习算法 |
| 3.4 系统仿真 |
| 3.5 小结 |
| 第4章 基于Metropolis规则的Q-学习AQM控制器的设计 |
| 4.1 引言 |
| 4.2 基于Q-学习的AQM控制器的结构 |
| 4.3 基于Q-学习的AQM控制器的设计 |
| 4.4 基于Metropolis规则的动作选择策略 |
| 4.5 状态空间变换 |
| 4.6 多瓶颈链路Q-学习AQM控制器的设计 |
| 4.7 系统仿真 |
| 4.7.1 单瓶颈链路网络仿真 |
| 4.7.2 多瓶颈链路网络仿真 |
| 4.8 小结 |
| 第5章 基于遗传算法的模糊Q-学习AQM控制器的设计 |
| 5.1 引言 |
| 5.2 模糊Q-学习方法研究 |
| 5.3 AQM控制器的结构 |
| 5.4 AQM控制器的设计 |
| 5.5 基于遗传算法的参数寻优 |
| 5.5.1 遗传算法的基本原理 |
| 5.5.2 基于遗传算法的参数学习机制 |
| 5.6 系统仿真 |
| 5.7 小结 |
| 第6章 基于价格机制的Nash Q-学习流量控制器的设计 |
| 6.1 引言 |
| 6.2 TCP的价格机制 |
| 6.3 基于价格机制的奖赏函数设计 |
| 6.4 Nash Q-学习流量控制器的设计 |
| 6.5 系统仿真 |
| 6.6 小结 |
| 第7章 基于Q-学习的路由算法 |
| 7.1 引言 |
| 7.2 基于双度量的Q-Routing路由算法 |
| 7.2.1 路由算法设计 |
| 7.2.2 系统仿真 |
| 7.3 基于记忆的Q-学习路由算法 |
| 7.3.1 路由算法设计 |
| 7.3.2 系统仿真 |
| 7.4 小结 |
| 第8章 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间所做的工作 |
| 作者简历 |
（2）基于粒子滤波的ATM网络拥塞预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 ATM网络的发展及研究现状 |
| 1.2.1 ATM网络的发展 |
| 1.2.2 ATM网络拥塞控制的研究现状 |
| 1.3 本文主要工作 |
| 第二章 ATM拥塞预测控制机制分析 |
| 2.1 ATM简介 |
| 2.2 ATM网络拥塞分析 |
| 2.2.1 拥塞产生的原因分析 |
| 2.2.2 拥塞特性分析 |
| 2.2.3 拥塞判断方法 |
| 2.3 ATM网络拥塞控制方法 |
| 2.3.2 流量控制算法的设计目标 |
| 2.3.3 基于速率的流量控制方法 |
| 2.4 ATM拥塞预测控制机制 |
| 2.5 本章小结 |
| 第三章 基于粒子滤波的拥塞预测控制 |
| 3.1 拥塞控制系统模型 |
| 3.1.1 队列系统描述 |
| 3.1.2 信元丢失率 |
| 3.2 粒子滤波算法 |
| 3.2.1 粒子滤波理论 |
| 3.2.2 粒子滤波算法分析 |
| 3.3 网络拥塞预测控制流程 |
| 3.3.1 粒子滤波预测流程 |
| 3.3.2 拥塞控制流程 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 第四章 基于遗传粒子滤波的拥塞预测控制 |
| 4.1 粒子滤波重采样算法 |
| 4.1.1 多项式重采样算法及其仿真结果 |
| 4.1.2 残差重采样算法及其仿真结果 |
| 4.2 遗传重采样粒子滤波拥塞预测控制 |
| 4.2.1 遗传算法优化流程 |
| 4.2.2 遗传重采样粒子滤波流程 |
| 4.2.3 仿真实验 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间所做的工作 |
（3）遗传算法与神经网络在接纳控制中的应用（论文提纲范文）
| 1 引言 |
| 2 连接接纳控制[1,2] |
| 3 遗传神经网络与连接接纳控制 |
| 3.1 RBF神经网络[4,5] |
| 3.2 RBF神经网络连接接纳预测器 |
| 3.3 GA训练神经网络 |
| 4 仿真 |
| 5 结论 |
（4）基于模糊神经网络的战术互联网呼叫接纳控制（论文提纲范文）
| 1 战术互联网及连接请求的接纳原则 |
| 1.1 战术互联网 |
| 1.2 呼叫连接请求被接纳的原则 |
| 2 战术互联网呼叫接纳控制模型及算法 |
| 2.1 信源模型及QoS指标 |
| 2.2 战术互联网的呼叫接纳控制模型及算法 |
| 2.3 模糊神经网络预测器 |
| 3 计算机仿真实验 |
| 4 结论 |
（5）基于Additive-multiplicative模糊神经网的ATM网络拥塞控制（论文提纲范文）
| 1 引 言 |
| 2 拥塞控制模型 |
| 3 模糊神经网络的构造 |
| 3.1 模糊神经网络的结构 |
| 3.2 模糊神经网络的学习算法 |
| 4 通用逼近性 |
| 5 计算机仿真 |
| 6 结 论 |
（6）基于源端的ATM网络ABR业务流量控制（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景与动机 |
| 1.2 ATM网络拥塞控制分析 |
| 1.2.1 早期工作 |
| 1.2.2 预防式控制 |
| 1.2.3 反应式控制 |
| 1.2.4 拥塞控制目标 |
| 1.3 课题研究内容 |
| 1.4 本章小结 |
| 第2章 ABR流量控制机制 |
| 2.1 ATM网络的业务模型分析 |
| 2.2 ABR流量控制的意义 |
| 2.3 ATM网络中的流量管理 |
| 2.4 ATM信元 |
| 2.4.1 信元结构 |
| 2.4.2 ATM信元类型 |
| 2.5 ATM交换 |
| 2.5.1 TP、VP、VC的关系 |
| 2.5.2 交换要求 |
| 2.5.3 ATM交换基本原理 |
| 2.5.4 ATM交换功能及其实质 |
| 2.5.5三 种缓冲方式 |
| 2.6 本章小结 |
| 第3章 ABR拥塞控制算法的研究 |
| 3.1 引言 |
| 3.2 RM信元 |
| 3.3 ABR业务参数 |
| 3.4 网络单元行为描述 |
| 3.4.1 两种信元类型的定义 |
| 3.4.2 源端行为 |
| 3.4.3 终端行为 |
| 3.4.4 交换机行为 |
| 3.5 常规的拥塞解决方案 |
| 3.5.1 基于窗口的流控方法 |
| 3.5.2 基于速率的控制 |
| 3.5.3 基于信用卡的流控 |
| 3.6 几种典型拥塞控制算法的分析 |
| 3.6.1 ERICA+方法 |
| 3.6.2 漏桶算法 |
| 3.7 基于模糊神经网络和令牌机制的拥塞控制方法 |
| 3.7.1 系统设计思想 |
| 3.7.2 控制系统总模型 |
| 3.7.3 模糊神经网络控制器 |
| 3.7.4 仿真结果 |
| 3.8 本章小结 |
| 第4章 ATM网络中基于速率流量控制机理的源端控制法 |
| 4.1 引言 |
| 4.2 源端的ABR流量控制方法 |
| 4.2.1 队列占用情况的判断 |
| 4.2.2 队列占用情况的控制 |
| 4.2.3 交换机完成的工作 |
| 4.2.4 源端完成的工作 |
| 4.2.5 参数的选择 |
| 4.3 仿真模型的建立 |
| 4.4 仿真结果 |
| 4.4.1 仿真实验1 |
| 4.4.2 仿真实验2 |
| 4.4.3 仿真实验3 |
| 4.4.4 仿真实验4 |
| 4.4.5 仿真实验5 |
| 4.4.6 仿真实验6 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（7）ATM网络拥塞控制的智能PID方法研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 基于速率的ABR业务拥塞控制研究现状 |
| 1.3 智能PID控制概述 |
| 1.4 本文的主要工作 |
| 第2章 ATM网络及ABR业务拥塞控制 |
| 2.1 ATM网络简介 |
| 2.1.1 ATM网络的业务类型及服务质量 |
| 2.1.2 ATM拥塞的原因 |
| 2.1.3 ATM网络拥塞的危害 |
| 2.2 ABR业务基于速率的拥塞控制机制 |
| 2.2.1 ABR流量控制方案 |
| 2.2.2 ABR服务参数 |
| 2.2.3 ABR源、目的和交换机的行为 |
| 2.2.4 ABR流量控制算法的设计目标 |
| 2.3 小结 |
| 第3章 二进制ABR业务拥塞控制的网络模型 |
| 3.1 ATM网络模型及其拥塞控制系统 |
| 3.2 二进制ABR流量／拥塞控制的模型 |
| 3.2.1 二进制流体流模型的建立 |
| 3.2.2 模型线性化 |
| 3.3 EFCI算法的性能分析 |
| 3.4 小结 |
| 第4章 基于PID的二进制ABR拥塞控制 |
| 4.1 线性PID控制器 |
| 4.1.1 PID控制器设计 |
| 4.1.2 PID控制器仿真结果 |
| 4.1.3 PID控制器性能分析 |
| 4.2 积分分离PID控制 |
| 4.2.1 积分分离PID控制原理 |
| 4.2.2 仿真结果及性能分析 |
| 4.3 变速积分PID控制 |
| 4.3.1 变速积分PID控制原理 |
| 4.3.2 仿真结果及性能分析 |
| 4.4 微分先行PID控制 |
| 4.4.1 微分先行PID控制原理 |
| 4.4.2 仿真结果及性能分析 |
| 4.5 小结 |
| 第5章 基于模糊PID的二进制ABR拥塞控制 |
| 5.1 模糊控制 |
| 5.1.1 模糊控制的基本原理 |
| 5.1.2 模糊控制器 |
| 5.1.3 模糊控制器的特点 |
| 5.2 模糊PID控制器 |
| 5.2.1 直接控制量型模糊PID控制 |
| 5.2.2 模糊控制器设计 |
| 5.2.3 仿真结果及性能分析 |
| 5.3 模糊自适应整定PID控制 |
| 5.3.1 模糊自适应整定PID控制原理 |
| 5.3.2 模糊自适应整定控制器设计 |
| 5.3.3 仿真结果及性能分析 |
| 5.4 模糊免疫PID控制 |
| 5.4.1 模糊免疫PID控制原理 |
| 5.4.2 模糊控制器的设计 |
| 5.4.3 仿真结果及性能分析 |
| 5.5 小结 |
| 第6章 基于神经PID的二进制ABR拥塞控制 |
| 6.1 神经网络理论的概述 |
| 6.1.1 神经元及其特性 |
| 6.1.2 神经网络的结构与特性 |
| 6.1.3 神经网络的基本学习方法 |
| 6.2 单神经元自适应PID控制 |
| 6.2.1 单神经元自适应PID控制原理 |
| 6.2.2 仿真结果及性能分析 |
| 6.3 新型神经元PID自适应控制器 |
| 6.3.1 新型神经元PID控制原理 |
| 6.3.2 仿真结果及分析 |
| 6.4 神经网络模糊PID控制器 |
| 6.4.1 神经网络模糊PID控制原理 |
| 6.4.2 神经网络模糊PID控制器设计 |
| 6.4.3 仿真结果及分析 |
| 6.5 小结 |
| 第7章 基于专家和遗传PID的ABR拥塞控制 |
| 7.1 专家PID控制 |
| 7.1.1 专家PID控制原理 |
| 7.1.2 仿真结果及分析 |
| 7.2 基于遗传算法的PID控制器 |
| 7.2.1 遗传算法的基本原理 |
| 7.2.2 基于遗传算法的PID控制器 |
| 7.2.3 仿真结果及性能分析 |
| 7.3 小结 |
| 第8章 各种PID控制器性能的分析比较与展望 |
| 8.1 控制器的性能分析与比较 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间参加的科研项目和发表的论文 |
（8）ATM网络反应式拥塞控制算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 致谢 |
| 目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 ATM工作原理 |
| 1.2.1 交换技术 |
| 1.2.2 传输技术 |
| 1.3 B-ISDN ATM参考模型 |
| 1.4 ATM流量管理 |
| 1.4.1 ABR控制模型 |
| 1.4.2 ABR控制参数 |
| 一、 必选的ABR参数 |
| 二、 可选的ABR参数 |
| 1.4.3 RM信元格式 |
| 1.4.4 ABR流控制中网络各元素行为 |
| 一、 信源的行为 |
| 二、 信宿的行为 |
| 三、 交换机的行为 |
| 1.5 ATM网络拥塞控制策略 |
| 1.5.1 预防式控制 |
| 一、 呼叫／连接接纳控制 |
| 二、 业务流警管 |
| 三、 选择性丢弃 |
| 四、 业务流成形 |
| 五、 帧丢弃 |
| 六、 研究热点 |
| 1.5.2 反应式拥塞控制 |
| 一、 二进制反馈方法 |
| 二、 显示速率反馈方法 |
| 三、 研究热点 |
| 1.6 本文结构 |
| 第二章 ATM网络UNI的声音信号控制 |
| 2.1 引言 |
| 2.2 神经网络控制器的设计 |
| 2.2.1 神经网络基本知识 |
| 一、 神经网络概述 |
| 二、 BP网络 |
| 2.2.2 ATM网络UNI拥塞控制模型 |
| 2.2.3 神经网络控制器 |
| 一、 拥塞控制器的设计 |
| 二、 神经网络训练算法 |
| 2.3 仿真 |
| 2.3.1 仿真模型 |
| 2.3.2 控制器输出 |
| 2.3.3 结果分析 |
| 一、 缓冲区利用率 |
| 二、 信元损失率 |
| 三、 信源质量 |
| 四、 信源编码变化频率 |
| 五、 控制器鲁棒性 |
| 2.4 小结 |
| 第三章 考虑时延因素的ABR流拥塞控制 |
| 3.1 引言 |
| 3.2 考虑时延因素的ERICA控制算法 |
| 3.2.1 ERICA算法的缺陷 |
| 一、 ERICA算法 |
| 二、 反馈时延差异对ERICA算法的影响 |
| 3.2.2 改进的ERICA算法 |
| 3.2.3 时延信息的获取 |
| 3.3 仿真 |
| 3.3.1 OPNET介绍 |
| 3.3.2 低速网络仿真 |
| 一、 网络拓扑结构 |
| 二、 仿真结果 |
| 3.3.3 高速网络仿真 |
| 一、 网络拓扑结构 |
| 二、 仿真结果 |
| 3.3.4 结论 |
| 3.4 小结 |
| 第四章 结束语 |
| 参考文献 |
（9）基于模糊神经网络的ATM网络连接接纳控制（论文提纲范文）
| 1 引言 |
| 2 连接接纳控制（CAC) |
| 3 模糊神经网络预测器 |
| 3.1 模糊神经网络 |
| 3.2 模糊神经网络预测器 |
| 3.3 连接接纳控制算法 |
| 4 计算机仿真结果 |
| 4.1 ON-OFF仿真模型 |
| 4.2 仿真结果 |
| 5 总结 |
（10）ATM网络的业务源模型和流量管理（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 ATM技术基础 |
| 1.1 引言 |
| 1.2 ATM网络技术的基本概念与特点 |
| 1.3 ATM网络技术的基本原理 |
| 1.4 ATM网络现状及面临的问题 |
| 参考文献 |
| 第二章 VBR视频源模型和话音数据混合模型 |
| 2.1 概述 |
| 2.2 可变比特率(VBR)视频业务 |
| 2.2.1 可变比特率视频图像的特性参数 |
| 2.2.2 视频业务模型 |
| 2.2.3 选择准则 |
| 2.2.4 视频业务的QoS控制与带宽分配 |
| 2.2.5 小结 |
| 2.3 数据与话音的混合模型 |
| 2.3.1 模型描述 |
| 2.3.2 性能分析 |
| 2.3.3 数值结果与分析 |
| 参考文献 |
| 第三章 自相似业务源模型 |
| 3.1 概述 |
| 3.2 数学描述 |
| 3.2.1 自相似随机过程 |
| 3.2.2 慢衰减方差和再现模型 |
| 3.2.3 ON／OFF模型 |
| 3.2.4 事件间隔时间的学生氏t2分布以及其它分布模型 |
| 3.3 自相似业务源的生成方法 |
| 3.3.1 基于分形高斯噪声和分形布朗运动的业务生成方法 |
| 3.3.2 基于分形ARIMA(p,d,q)过程的业务生成方法 |
| 3.3.3 基于混沌映射的业务生成方法 |
| 3.3.4 最大熵谱估计法 |
| 3.3.5 自相似业务建模的其它方法 |
| 3.4 自相似业务源的Hurst系数估计方法 |
| 3.4.1 间接法 |
| 3.4.2 时域估计方法 |
| 3.4.3 频域估计方法 |
| 3.4.4 针对分形布朗运动的估计方法 |
| 3.4.5 利用小波分析的方法 |
| 3.4.6 几种估计方法的性能分析结果 |
| 3.5 业务自相似特性对网络排队分析和流量控制的影响 |
| 3.5.1 自相似业务到达过程的排队分析 |
| 3.5.2 对Norros有效带宽公式的分析 |
| 3.5.3 模拟结果 |
| 3.5.4 自相似业务的快速仿真 |
| 参考文献 |
| 第四章 自相似流量预测技术 |
| 4.1 概述 |
| 4.2 维纳预测系统 |
| 4.3 卡尔曼预测系统 |
| 4.4 其它基于信号处理的预测方法 |
| 4.5 前向神经网络用于自相似业务的分析 |
| 4.5.1 介绍 |
| 4.5.2 原理与方法 |
| 4.5.3 多层前向神经网络(MFN)用于函数逼近 |
| 4.5.4 随机学习算法 |
| 4.5.5 存在的问题 |
| 4.6 自相似流量预测的其它技术 |
| 参考文献 |
| 第五章 自相似流量实例的统计分析与模拟 |
| 5.1 介绍 |
| 5.2 流量测量 |
| 5.3 分析结果 |
| 5.4 模拟 |
| 5.4.1 单个时间序列的慢衰减方差 |
| 5.4.2 强制分形再现过程 |
| 5.4.3 简单的计算 |
| 5.4.4 对模拟结果的讨论 |
| 5.5 关于自相似业务有待解决的问题 |
| 参考文献 |
| 第六章 ATM网络的流量管理 |
| 6.1 基本概念 |
| 6.1.1 服务质量(QoS)属性 |
| 6.1.2 业务类型 |
| 6.1.3 ABR流量管理的设计目标 |
| 6.2 ABR业务的几种拥塞控制机制 |
| 6.2.1 通用拥塞控制方法 |
| 6.2.2 端到端基于速率的控制机制 |
| 6.2.3 一个具体的流量控制模型的分析 |
| 6.2.4 基于信用的方法 |
| 6.3 流量管理策略的争论 |
| 6.3.1 基于窗口对比基于速率控制 |
| 6.3.2 开环还是闭环(反馈)控制? |
| 6.3.3 基于路由器对比基于信元控制 |
| 6.3.4 背压(Backpressure)法 |
| 6.3.5 预留还是走入(Walk-in)策略? |
| 6.3.6 一种还是多种策略? |
| 6.3.7 ATM论坛采用基于速率方法的理由 |
| 6.3.8 尚待解决的其它问题 |
| 6.4 小结 |
| 参考文献 |
| 第七章 ATM网络中的无连接服务的拥塞控制策略 |
| 7.1 介绍 |
| 7.2 级联队列 |
| 7.2.1 排队系统 |
| 7.2.2 马尔可夫确定过程 |
| 7.2.3 结论 |
| 7.3 模拟 |
| 7.3.1 模拟模型 |
| 7.3.2 模拟结果 |
| 7.4 结论及未来的研究方向 |
| 参考文献 |
| 总结与展望 |
| 作者简介 |
四、基于模糊神经网络的ATM网络连接接纳控制（论文参考文献）
- [1]基于强化学习理论的网络拥塞控制算法研究[D]. 李鑫. 东北大学, 2009(06)
- [2]基于粒子滤波的ATM网络拥塞预测控制研究[D]. 田静. 东北大学, 2008(03)
- [3]遗传算法与神经网络在接纳控制中的应用[J]. 顾亦然,王锁萍. 计算机工程与应用, 2005(19)
- [4]基于模糊神经网络的战术互联网呼叫接纳控制[J]. 王晓凯,侯朝桢. 兵工学报, 2005(02)
- [5]基于Additive-multiplicative模糊神经网的ATM网络拥塞控制[J]. 翟东海,李力,靳蕃. 控制与决策, 2004(06)
- [6]基于源端的ATM网络ABR业务流量控制[D]. 刘庆峰. 燕山大学, 2004(04)
- [7]ATM网络拥塞控制的智能PID方法研究[D]. 赵雪. 东华大学, 2004(03)
- [8]ATM网络反应式拥塞控制算法的研究[D]. 袁石勇. 浙江大学, 2003(03)
- [9]基于模糊神经网络的ATM网络连接接纳控制[J]. 郑涛,高振志,陈增强,袁着祉. 系统仿真学报, 2001(S1)
- [10]ATM网络的业务源模型和流量管理[D]. 冯涛. 中国科学院研究生院（计算技术研究所）, 1998(02)