由于仅能提供“尽力递送”服务,Internet既无法控制用户数量,也无法限制用户发送数据的速率。故当进入网络的数据数量超过其处理能力时,中间节点处无法及时转发的分组很快就会溢出并被丢弃,产生时延加大、分组丢失及吞吐量下降等严重影响网络性能的拥塞症状。因此在网络的重要性与日剧增的今天,必须妥善处理网络拥塞问题。为控制网络拥塞,研究者提出了如TCP（Transport Control Protocol,传输控制协议）拥塞控制等基于端节点的算法。虽然能防止拥塞崩溃的出现,这些算法依然无法避免一些因使用Drop-tail算法管理队列而产生的问题,如满队列、死锁及对突发流的吸收不佳等。为此,研究者提出了能与TCP算法协同工作的主动队列管理（Active Queue Management,AQM）算法。除可解决上述问题外,AQM算法还能用于减小队列时延、提升愈加普遍的时延敏感应用的性能。但由于现有网络架构无法避免网络发生拥塞,而网络资源分配不公平又会加剧拥塞造成的性能问题,在解决网络拥塞问题的同时还应考虑公平性问题。因此,本文主要针对改善公平性的AQM算法无法兼顾控制资源消耗与维护公平性,及当前AQM算法仍然不能充分减小队列时延等问题进行研究,取得了以下成果:（1）针对CHOKe类算法难以兼顾提升维护公平性能力与维持低运算量的问题提出了D-PAC算法。通过统计CHOKe 比较的总体成功率,并据此自动调节每个分组到达时的比较次数,算法在稳定保持较低队列时延、维持较低运算量的同时,有效地限制了非响应数据流的带宽占用率,改善了数据流间公平性。（2）针对当前AQM算法会产生常驻队列、无法最大程度地减小队列时延,而能有效降低队列时延的方案又依赖端节点支持、难以推广的情况提出了 MID算法。依据当前缓存队列的状况,该算法会自动对控制目标进行调节,可最大程度地减小常驻队列。在无需端节点支持的前提下,MID算法有效地减小了队列时延及时延抖动,对其他方面网络性能的影响也被控制在最低限度。（3）针对在缓存队列分组较少时,CHOKe类算法不能正常工作的问题提出了 HTCB算法。该算法改用环形缓存记录的最近到达分组信息与新到达分组进行比较来识别非响应流,并利用哈希表中存储的信息直接决定各到达分组进入队列的概率。在缓存队列内分组较少的情况下,HTCB算法依然能有效减小非响应流占用的瓶颈链路容量、提升数据流间公平性,且其计算复杂度及对存储空间的要求也依旧较低。（4）针对在相同AQM算法管理的队列中,需求矛盾的数据流无法同时取得最优性能的情况,提出了 HCDQ算法。在有效限制非响应流带宽占用率的同时,该算法会根据到达分组所属数据流带宽占用情况的不同,将其分配至不同AQM机制管理的队列。在不稳定网络环境中,HCDQ算法既能为时延敏感应用降低队列时延、缩短平均数据流完成时间,又能提升高吞吐量应用的性能,同时依然能有效地改善数据流间公平性。