信息网络的飞速发展,引起了网络数据流的急剧增加,这必然导致网络拥塞现象的出现,并且变得非常严重,从而造成业务指标的下降、资源利用率低下及资源不公平的分配等问题。拥塞控制算法是解决网络拥塞问题和确保QoS的主要途径,而基于路由器的AQM算法作为目前解决网络拥塞问题的主要手段,本文将智能鲁棒控制引入到AQM算法中,提出了两种基于智能鲁棒控制的AQM算法及其具有公平性的AQM算法,本文所做的工作如下：(1)针对TCP/AQM中存在的大传输延时问题,本文提出了一种基于NN-IMC的AQM算法,其中内模控制可以很好的控制大传输延时带来的系统的不稳定因素,从而消除模型误差,而神经网络有较强的自学习能力,结合两者的优点,从而增强了系统的稳定性和鲁棒性。(2)针对TCP/AQM控制系统的非线性特性,本文提出了一种基于SVM-IMC的AQM算法,SVM算法是一种新型的机器学习算法,它是建立在结构风险最小化原理的基础上,可以很好的解决有限数量样本的构造问题,同时所构造的模型具有很好的预测性能,从而提高了TCP/AQM的稳定性和鲁棒性。(3)针对已有AQM算法中存在的不公平性问题,本文提出了基于CHNN-IMC的AQM算法和基于CHSVM-IMC的AQM算法,这两种算法都是在前面提出的两种基于智能鲁棒控制的AQM算法基础上,借鉴具有公平性的CHOKe算法的流鉴别机制来实现算法的公平性。