随着网络用户数量不断增加,容易造成网络的资源短缺从而发生拥塞或网络的性能降低,这就要求在避免网络拥塞的同时,能够进一步地提高并优化其性能。各界学者在对基于TCP窗口的拥塞控制方法不断研究和改进后,发现仅仅依靠这种算法并不能有效地实现网络拥塞控制,于是基于中间节点的拥塞控制方法应运而生,经过不断的发展,这类方法中最有效的一种就是主动队列管理(AQM)算法,AQM算法能够有效地避免网络拥塞,且在一定程度上提高网络性能,而基于各种优化算法的AQM算法在队列稳定性、模型不确定性及外界干扰下的鲁棒性表现出明显的优势。本文基于优化理论提出了几种AQM算法：(1)针对常规AQM算法对时变的网络参数及参数在线调节的不足,提出了一种基于自组织特征映射神经网络优化的AQM算法,该算法能够在网络参数发生变化时,对控制参数进行在线优化,NS-2仿真实验表明,该优化方法有效地保证了队列稳定性及对网络动态变化的鲁棒性。(2)针对网络中的状态时延和输入时延,设计一种带时滞环节的优化控制器对系统时延有效地作出补偿。该控制器的参数由用户设定的优化目标而定,如高链路利用率、低时延抖动、高吞吐量等。将目标问题转换为凸优化问题,由LMI工具求解,算法易于实现。(3)考虑网络事件的离散本质,设计一种离散的AQM算法,网络系统模型包含了状态时延、控制信号时延及不确定因素,通过严格的理论分析给出了保证系统鲁棒稳定性的充要条件,仿真实验表明该算法在网络参数发生变化的情况下能够保持良好的鲁棒性及稳定性,且在多瓶颈链路中也能表现出较好的性能。