Internet是覆盖全球的信息基础设施之一,在当今世界发挥着巨大作用。随着互联网规模的快速增长,不可避免的出现了拥塞现象,造成业务质量指标下降和网络资源利用率低下等情况。Internet主要依赖TCP端到端拥塞控制来避免网络拥塞,但它在很多方面已经不能满足复杂网络中各种应用的需求,网络本身必须采取某种手段参与拥塞控制。通过研究表明,在路由器中引入队列管理机制,可以有效地对拥塞进行监测和预防,路由器中的拥塞控制策略——主动队列管理(Active Queue Management,AQM)技术已经成为一个研究热点。AQM通过评估网络状态、预测拥塞的出现,对分组进行有目的的丢弃,从而可以使发送端更及时地了解网络状况并调整发送速率。但现有的一些主动队列管理算法由于缺乏系统的理论指导,在响应速度、稳定性及环境敏感性等方面仍有缺陷。控制理论是一门相对成熟的系统理论,有诸多的方法可以借鉴到拥塞控制中来提高拥塞控制的性能。本课题围绕着提高拥塞控制算法的性能等问题,对拥塞控制机制进行了较全面和较深入的研究。论文的主要工作集中于如何利用经典控制理论的知识分析和改进现有的主动队列管理算法。主要工作概括如下:1.分析了拥塞产生的根本原因以及目前常采用的拥塞控制机制,研究了源端算法的四个阶段和链路算法的几种典型算法,并对各算法的性能进行了对比分析。2.在深入研究了TCP/AQM流量控制模型的基础上,从控制理论的角度分析了主动队列管理中的RED算法、P、PI以及PID控制器的实现过程。3.针对RED算法的参数难以调节的问题,以RED算法的控制理论模型为基础,结合不完全微分PID控制器,提出了一种改进的不完全微分PID-RED算法。通过仿真验证了该算法具有良好的反应速度和鲁棒性。4.分析了网络参数变化和大时滞对拥塞控制算法性能的影响。针对网络的时变特性以及时间滞后性,提出了一种新的基于单神经元灰色预测PID控制器的主动队列管理算法。该算法利用神经网络的自学习特性在线调节PID控制器的参数,并利用灰色GM(1,1)预测模型在线补偿时滞对系统造成的影响。仿真表明该算法具有快速响应特性以及很好的鲁棒性。