近二十年来，随着互联网的快速发展，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。拥塞容易造成传输延迟和吞吐量性能指标下降，导致网络性能下降、网络资源利用率降低，从而无法提供有效的QoS保证。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，而网络拥塞控制研究也成为当前计算机网络和控制理论交叉领域研究的一个热点课题。　　 本文基于控制理论及智能优化的思想，针对主动队列管理(Active QueueManagement，AQM)算法，提出了一些新型的改进的控制策略，主要做了以下诸方面的工作：　　 (1)针对主动队列管理中PI控制存在参数不易整定的缺点，提出一种基于增量式免疫型PI控制的主动队列管理算法。该免疫型PI控制器依据免疫反馈机理设计，可以根据环境自适应的调节参数，在响应速度、动态性能方面都要优于传统的PI控制器。　　 (2)针对传统主动队列管理算法中PID控制存在的参数难以适应网络变化等缺点，引入小脑模型关节控制器(CMAC)与PID的并行控制算法，利用增量式PID实现反馈控制，保证系统的稳定性，且抑制扰动，利用小脑模型神经网络控制器实现前馈控制，确保系统的控制精度和响应速度，得到了一种新的主动队列算法--CMAC-PID算法。仿真实验表明，CMAC-PID算法优于传统的PID控制算法，能够较好的适应网络变化的环境，有较强的鲁棒性能。　　 (3)针对传统随机指数标记(Random Exponential Marking，REM)算法存在参数难以调整的缺陷，提出了一种改进型主动队列管理算法—基于RBF网络的参数自调整REM算法，利用RBF神经网络动态地对算法参数进行调整，使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制，使REM算法参数调节近似等效于比例积分系数的调节，简化了参数调节，提高了算法的实时性。仿真实验表明该算法优于传统的REM算法，具有良好的鲁棒性及较快的调节速率。　　 (4)通过对TCP网络动态不确定性的定量分析，探讨了网络参数的摄动范围，给出TCP网络的不确定线性化系统模型。在此基础上，设计了一种基于滑模控制的主动队列管理算法，并分别在Matlab和NS2两种仿真平台上验证了算法的有效性，实验结果表明队列长度可以很好的稳定在期望值附近。　　 最后对全文进行了概况性总结，并提出展望。