Internet中的自适应神经网络终端滑模拥塞控制算法.docx

Internet中的自适应神经网络终端滑模拥塞控制算法闫明，高哲辽宁大学轻型产业学院，辽宁沈阳110036基金项目:通信作者:国家自然科学基金资助项目;辽宁省自然科学基金资助项目(201202092)闫明，yanm0219@163．com收稿/录用/修回:2013－09－18/2014－01－06/2014－08－03摘要关键词Internet拥塞控制终端滑模控制ＲBF神经网络自适应律中图分类号:TP393为抑制Internet中的拥塞现象，基于终端滑模控制理论和径向基函数(ＲBF)神经网络提出了一种拥塞控制算法．将网络参数的变化及非传输控制协议(TCP)数据流的影响等效为系统的不确定项，设计了一种新的终端滑模面，使滑动模态具有更短的有限收敛时间，并证明了滑动模态的渐近稳定性．使用ＲBF神经网络估计了控制器中不确定项的上界，并根据李亚普诺夫稳定性理论得出了神经网络权值的自适应律．与PID控制器和传统的终端滑模控制器进行了相同网络条件下的仿真对比实验，结果表明:所提出的算法具有更好的鲁棒性和更快的收敛速度．文献标识码:ACongestionControlAlgorithmfortheInternetBasedonAdaptiveNeuralNetworkTerminalSlidingModeYANMing，GAOZheCollegeofLightIndustry，LiaoningUniversity，Shenyang110036，ChinaAbstractToconstraincongestionphenomenonintheinternet，weproposeacongestioncontrolalgorithmbasedonterminalslidingmodecontroltheoryandradialbasisfunction(ＲBF)neuralnetwork．Takingthevariationofnetworkparametersandtheeffectofnon-transmissioncontrolprotocol(TCP)dataflowsastheuncertaintyex-istinginthesystem，wedesignanovelterminalslidingsurfacetoshortenthefiniteconvergencetimefortheslidingmode．Moreover，weprovetheasymptoticalstabilityoftheslidingmode．UsingtheＲBFneuralnet-work，weestimatetheupperboundoftheuncertaintyinthecontroller，andthenobtainanadaptivelawofneuralnetworkweightsbasedonLyapunovstabilitytheory．Simulationexperimentsonthesamenetworkcon-ditionsshowthatouralgorithmhasbetterrobustnessandfasterconvergenceratethanthePIDcontrollerandthetraditionalterminalslidingmodecontroller．KeywordsInternetcongestioncontrol;terminalslidingmodecontrol;ＲBFneuralnetwork;adaptivelaw棒性［5］．对于复杂的互联网而言，采用滑模控制将是理想1引言Internet的飞速发展极大地方便了人们的生产和生活．的选择．近年来，相继出现了一些滑模拥塞控制算法［6－8］．文［6］利用滑模变结构理论设计了一种主动队列管理控制器，优化了系统的性能，但却存在着一定的抖振现象．文［7］设计了DSMC(discreteslidingmodecontrol)算法，当用户连接数改变时算法能够自动调整缓冲区的长度，但存在一定的稳态振荡．文［8］设计了一种滑模预测(SMP)算法，取得了更低的丢包率和更高的链路利用率．此外，研究人员提出了模糊推理滑模控制算法［9］、T-S模糊模型滑模控制算法［10］、基于观测器的滑模控制算法［11］．为进一步加快滑动模态的收敛速度，文［12－13］提出了终端滑模控制算法;为提高系统全程的鲁棒性，文［14－15］提出了全局然而，拥塞现象却时有发生，这极大地影响了用户的使用体验．由于Internet规模的庞大性，单纯地增加硬件投入并不可取，而在其中引入拥塞控制算法是解决这一问题的有效途径．近年来，相继出现了一些该领域的拥塞控制算法［1－4］．但In