智能系统：基于智能预测控制的网络拥塞主动队列管理算法研究

第3卷第4期 智能系统学报 Vol 3 Ng 4 2008年8月 CAA I Transactions on Intelligent Systems Aug 2008 基于智能预测控制的网络拥塞主动 队列管理算法研究 陈增强，刘忠信，袁著祉，王繁珍 (南开大学自动化系，天津300071) 摘要：路由队列管理是保证网络性能避免网络拥塞的重要手段，目前采用的主要队列管理方法为被动式队列管 理，同时主动式队列管理已经成为近来的主要研究热点.随机早侦测(RD)作为最早提出的主动队列管理方法，更 获得了普遍的关注.使用严格的数学模型来描述由端系统和网关组成的系统，并进行队列管理性能分析提出一种 采用快速广义预测控制的RD控制器(FGPC-RED控制器)，进行网络拥塞控制的研究.介绍了系统的结构及系统的 辨识，并通过仿真证明了FG℃算法在路由队列管理中应用的可行性，可以有效控制队列长度，避免路由拥塞及减 小往返延迟 关键词：智能预测控制；网络拥塞控制，主动队列管理；网络模拟器；RD算法 中图分类号：TP2732文献标识码：A文章编号：16734785(2008)04031308 An active queue management algor ithm for network congestion based on intelligent prediction control CHEN Zeng-qiang,L IU Zhong-xin,YUAN Zhu-zhi,WANG Fan-zhen (Deparment ofAutmation,NankaiUniversity,Tianjin 300071,China) Abstract:Queue management is an mportant means to mprove the perfomance of a nework and avoid netork congestion At present,passive queue management dom inates the queue management field Recently active queue management (AQM)has been getting more and more attention,alng with the random early detection (RED)al- gorithm,the first proposed AQM algorithm.In order to analyze a system made up of clients and a gateway,a strict mathematical modelwas developed to describe the system.A kind ofRED controllerwith fast generalized prediction control was included to analyze congestion control The system's architecture and identification are discussed in de- tail A series of smulations were made,showing that fuzzy generalized predictive control (FGPC)is feasible in queue management and effective in controlling queue length,avoiding network congestion,and reducing round trip delay Keywords:intelligent predictive control,netork congestion control active queue management netork smula- tor,RED algorithm 计算机网络在过去的十几年中经历了爆炸式的 计算机网络规模和负荷的增加，拥塞问题也越来越 增长，特别是目前迅速发展的多媒体通信业务，进一严重.同时随着科技的发展，网络设备的处理速度 步推动Inte met规模的扩大和业务的增长.但随着 不断加快，网络带宽持续增长.但硬件的发展往往赶 不上实际需求的增长，而且局部网络资源不足，也会 收稿日期：2007-1008 基金项目：国家自然科学基金资助项目(60774088)：；教有部科学技 导致网络拥塞.拥塞导致的直接结果就是分组丢失 术研究重点项目(107024). 通信作者：陈增强.Email:chenz四@nankai edu cn 率提高，端到端时延加大，甚至有可能使整个系统发 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

第 3卷第 4期 智 能 系 统 学 报 Vol. 3 №. 4 2008年 8月 CAA I Transactions on Intelligent System s Aug. 2008 基于智能预测控制的网络拥塞主动 队列管理算法研究 陈增强 ,刘忠信 ,袁著祉 ,王繁珍 (南开大学 自动化系 ,天津 300071) 摘 要 :路由队列管理是保证网络性能、避免网络拥塞的重要手段 ,目前采用的主要队列管理方法为被动式队列管 理 ,同时主动式队列管理已经成为近来的主要研究热点. 随机早侦测 (RED)作为最早提出的主动队列管理方法 ,更 获得了普遍的关注. 使用严格的数学模型来描述由端系统和网关组成的系统 ,并进行队列管理性能分析. 提出一种 采用快速广义预测控制的 RED控制器 ( FGPC2RED控制器 ) ,进行网络拥塞控制的研究. 介绍了系统的结构及系统的 辨识 , 并通过仿真证明了 FGPC算法在路由队列管理中应用的可行性 ,可以有效控制队列长度 ,避免路由拥塞及减 小往返延迟. 关键词 :智能预测控制 ;网络拥塞控制 ;主动队列管理 ;网络模拟器 ; RED算法 中图分类号 : TP273. 2 文献标识码 : A 文章编号 : 167324785 (2008) 0420313208 An active queue management algor ithm for network congestion based on intelligent prediction control CHEN Zeng2qiang, L IU Zhong2xin, YUAN Zhu2zhi, WANG Fan2zhen (Department of Automation, Nankai University, Tianjin 300071, China) Abstract:Queue management is an important means to imp rove the performance of a network and avoid network congestion. A t p resent, passive queue management dom inates the queue management field. Recently active queue management (AQM) has been getting more and more attention, along with the random early detection (RED) al2 gorithm, the first p roposed AQM algorithm. In order to analyze a system made up of clients and a gateway, a strict mathematical modelwas developed to describe the system. A kind of RED controllerwith fast generalized p rediction control was included to analyze congestion control. The system’s architecture and identification are discussed in de2 tail. A series of simulations were made, showing that fuzzy generalized p redictive control (FGPC) is feasible in queue management and effective in controlling queue length, avoiding network congestion, and reducing round trip delay. Keywords: intelligent p redictive control; network congestion control; active queue management; network simula2 tor; RED algorithm 计算机网络在过去的十几年中经历了爆炸式的 增长 ,特别是目前迅速发展的多媒体通信业务 ,进一 步推动 Internet规模的扩大和业务的增长. 但随 通信作者 :陈增强. E2 收稿日期 : 2007210208. 基金项目 :国家自然科学基金资助项目 (60774088) ;教育部科学技 术研究重点项目 (107024). mail: chenzq@ nankai. edu. cn. 着 计算机网络规模和负荷的增加 ,拥塞问题也越来越 严重. 同时随着科技的发展 ,网络设备的处理速度 不断加快 ,网络带宽持续增长. 但硬件的发展往往赶 不上实际需求的增长 ,而且局部网络资源不足 ,也会 导致网络拥塞. 拥塞导致的直接结果就是分组丢失 率提高 ,端到端时延加大 ,甚至有可能使整个系统发

·314· 智能系统学报 第3卷 生崩溃)当网络处于拥塞崩溃状态时，微小的负 在延迟时间与模型时间不一致时仍具有良好的鲁棒稳 载增量都将使网络的有效吞吐量急剧下降.当负载 定性.另外，这种控制算法基于传统的参数模型，其模 减小时，拥塞可以自动恢复 型参数少，并采用多步预测、滚动优化和反馈校正等策 单纯地增加网络资源之所以不能解决拥塞问 略控制效果好)基于以上的因素，文献[6提出了一 题，是因为拥塞本身是一个动态问题，它不可能只靠 种快速广义预测控制算法(fast generalized predictive 静态的方案来解决，而是需要协议在网络出现拥塞 control,.FGPC),与传统GPC相比，具有更快的运算速 时保护网络的正常运行.目前对互联网进行的拥塞 度，满足控制实时性的要求.本文基于文献[6的FGPC 控制主要是依靠在源端执行的基于窗口的TCP拥 算法提出了一种网络拥塞控制主动队列管理算法(FG 塞控制2机制.TCP拥塞控制是一种端到端的控制 PC-RD算法).FGPC-RE控制方法可有效地减少拥 机制，它是通过改变一些参数实现的.TCP基于窗口 塞现象的发生，降低往返延迟，改善网络的性能 的端到端的拥塞控制对于Inte met的鲁棒性起到了 1 RED算法 关键作用.然而，随着Intemet本身的迅速发展，其 网络规模越来越庞大结构日趋复杂.仅仅依靠端到 在当前的互联网上，丢包是对端节点进行拥塞通 端的拥塞控制是不够的，网络也需要参与资源的控 知的主要机制，解决路由器满队列问题的方法便是 制工作.路由器直接掌握着互联网上各种网络传输 在队列满之前丢包，这样端节点便能在队列溢出前对 信息，能够有效地监控队列的长度，从而尽早检测到 拥塞做出反应这种方法便称为“生动式队列管理” 早期的拥塞(incip ient congestion).另外，路由器能 RD7算法是最常用的一种AQM技术，其基 够全面地审视各个流对拥塞造成的影响，从而决定 本思想是通过监控路由器输出端口队列的平均长度 将拥塞信息通知哪个源端，使其降低数据发送速度. 来探测拥塞.一旦发现拥塞逼近，就随机地选择源端 因此采用基于路由器的拥塞控制和TCP端到端拥 来通知拥塞，使它们在队列溢出导致丢包之前降低 塞控制相结合的方法，是解决目前互联网拥塞控制 发送数据速率，从而缓解网络拥塞.这样对面向连接 问题的一个主要途径) 的TCP数据流来说，RED就有可能避免丢弃属于同 基于路由器的拥塞控制主要是通过对其队列进行 一连接的连续数据包，从而提高连接的吞吐量.图1 管理来实现的，目前的队列管理主要还是被动式队列 显示了平均队长与丢包率的关系 管理(passive queue management,PQM).本质上PQM 并没有参与到网络拥塞管理中去，只是在队列溢出的 情况下被动地丢包.互联网工程工作小组(intemet en~ gineering task force,ETF)推荐在路由器上使用主动式 队列管理(active queue management,.AQM)I4机制来控 Min_th Max_th 4ive 制在什么时候丢多少包，从而有效地管理队长度，以支 图1平均队长与丢包率的关系 持端到端的拥塞控制！ Fig I The relation beween average queue 从控制的观点看，可以将端系统和网关组成的系 length and packet bss ratio 统看成是一个反馈控制系统考虑到其复杂性及时延 RD有2个阈值：和4hax.当一个数据包到 性，为实现对系统的高精度、高可靠以及高鲁棒性的控 达路由器时，RED将当前a和这2个阈值按以下 制效果，需使用具有鲁棒性的预测控制器.Clak等人 原则比较：如果4e≤g时，将此包排队；如果m< 提出的广义预测控制(generalized predictive control, a<x,计算丢弃概率P,并以P丢弃此包；如果 GPC)是一种基于模型参数的自适应预测控制算法，其 4x≤g4e,则丢弃此包 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

生崩溃 [ 1 ] . 当网络处于拥塞崩溃状态时 ,微小的负 载增量都将使网络的有效吞吐量急剧下降. 当负载 减小时 ,拥塞可以自动恢复. 单纯地增加网络资源之所以不能解决拥塞问 题 ,是因为拥塞本身是一个动态问题 ,它不可能只靠 静态的方案来解决 ,而是需要协议在网络出现拥塞 时保护网络的正常运行. 目前对互联网进行的拥塞 控制主要是依靠在源端执行的基于窗口的 TCP拥 塞控制 [ 2 ]机制. TCP拥塞控制是一种端到端的控制 机制 ,它是通过改变一些参数实现的. TCP基于窗口 的端到端的拥塞控制对于 Internet的鲁棒性起到了 关键作用. 然而 ,随着 Internet本身的迅速发展 ,其 网络规模越来越庞大 ,结构日趋复杂. 仅仅依靠端到 端的拥塞控制是不够的 ,网络也需要参与资源的控 制工作. 路由器直接掌握着互联网上各种网络传输 信息 ,能够有效地监控队列的长度 ,从而尽早检测到 早期的拥塞 ( incip ient congestion). 另外 ,路由器能 够全面地审视各个流对拥塞造成的影响 ,从而决定 将拥塞信息通知哪个源端 ,使其降低数据发送速度. 因此采用基于路由器的拥塞控制和 TCP端到端拥 塞控制相结合的方法 ,是解决目前互联网拥塞控制 问题的一个主要途径 [ 3 ] . 基于路由器的拥塞控制主要是通过对其队列进行 管理来实现的 ,目前的队列管理主要还是被动式队列 管理 (passive queue management, PQM ). 本质上 PQM 并没有参与到网络拥塞管理中去 ,只是在队列溢出的 情况下被动地丢包. 互联网工程工作小组 ( internet en2 gineering task force, IETF)推荐在路由器上使用主动式 队列管理 (active queue management, AQM) [4 ]机制来控 制在什么时候丢多少包 ,从而有效地管理队长度 ,以支 持端到端的拥塞控制. 从控制的观点看 ,可以将端系统和网关组成的系 统看成是一个反馈控制系统. 考虑到其复杂性及时延 性 ,为实现对系统的高精度、高可靠以及高鲁棒性的控 制效果 ,需使用具有鲁棒性的预测控制器. Clark等人 提出的广义预测控制 ( generalized predictive control, GPC)是一种基于模型参数的自适应预测控制算法 ,其 在延迟时间与模型时间不一致时仍具有良好的鲁棒稳 定性.另外 ,这种控制算法基于传统的参数模型 ,其模 型参数少 ,并采用多步预测、滚动优化和反馈校正等策 略 ,控制效果好 [5 ] .基于以上的因素 ,文献 [6 ]提出了一 种快速广义预测控制算法 (fast generalized predictive control, FGPC) ,与传统 GPC相比 ,具有更快的运算速 度 ,满足控制实时性的要求.本文基于文献 [6 ]的 FGPC 算法提出了一种网络拥塞控制主动队列管理算法 (FG2 PC2RED算法 ). FGPC2RED控制方法可有效地减少拥 塞现象的发生 ,降低往返延迟 ,改善网络的性能. 1 RED算法 在当前的互联网上 ,丢包是对端节点进行拥塞通 知的主要机制 ,解决路由器“满队列 ”问题的方法便是 在队列满之前丢包 ,这样端节点便能在队列溢出前对 拥塞做出反应.这种方法便称为“主动式队列管理 ”. RED [ 7 ]算法是最常用的一种 AQM 技术 ,其基 本思想是通过监控路由器输出端口队列的平均长度 来探测拥塞. 一旦发现拥塞逼近 ,就随机地选择源端 来通知拥塞 ,使它们在队列溢出导致丢包之前降低 发送数据速率 ,从而缓解网络拥塞. 这样对面向连接 的 TCP数据流来说 , RED就有可能避免丢弃属于同 一连接的连续数据包 ,从而提高连接的吞吐量. 图 1 显示了平均队长与丢包率的关系. 图 1 平均队长与丢包率的关系 Fig. 1 The relation between average queue length and packet loss ratio RED有 2个阈值 : qm in和 qmax . 当一个数据包到 达路由器时 , RED将当前 qave和这 2个阈值按以下 原则比较 :如果 qave ≤qm in时 ,将此包排队 ;如果 qm in < qave < qmax ,计算丢弃概率 P,并以 P丢弃此包 ;如果 qmax ≤qave ,则丢弃此包. · 413 · 智 能 系 统 学 报 第 3卷

第4期 陈增强，等：基于智能预测控制的网络拥塞主动队列管理算法研究 ·315 RD的目的是控制拥塞结点的队列长度在最 更快的运算速度.正适合了网络流量变化的特点. 大和最小之间，保持对资源的高利用率，RD的有 算法实现如下： 效性经过了一些实践的验证，但依旧存在一些缺陷. 1)初始化：令Pw=pRv=pK=0,Lw=0 1)RD算法的性能敏感于设计参数和网络状况， S=0,Qx=入 在特定的网络负载状况下依然会导致多个TCP的同 2)取k=N,N-1),1,计算： 步造成队列震荡，吞吐量降低和时延抖动加剧 F,)=中(P,A:K,B) 2)RED算法的公平性和稳定性也存在问题.在 -aA 网络严重拥塞时，RD往往失去对队列的控制能 即 ,从而 K K.+aB 力，带来的问题甚至比尾部丢弃严重 3)自RED被首次提出来之后，它的参数配置就 q(P:-aA) a=P0)A0),(K.1,Qs.1:P.1 是一个没有彻底解决的问题， K.+aB 正是由于RED存在着上面所述诸多问题，导致 Lk.1:R.1,Sk.1=中，（区，Q:E,Lk:R,S, 了其他几种AQM技术的产生.这些AQM技术有些 R.] 是在RD基础上的扩充，弥补了RD的一些缺点， 即 Ok.1 Lk.1 St. 比如FRED、ARED等；另外一些AQM算法则是利 -7「 K P.Ra 用链路状态、队列占用状况等信息来管理队列，比如 Y S BLUE、SRED等. K.1 P.1 Rk. 2快速广义预测控制(FGPC)算法 从而 0k.1 Li.1 St. 基于文献[6]中的快速广义预测控制方法，对 g(BK-YQ) BP:-YL BR:YSA 端系统和网关组成的系统采用下面具有随机扰动的 YK +BOs YP:+BLs YRs +BS. 离散差分方程来描述： 式中：B=Q(0)/尽0)+g10),Y=K(0)/ A(E)y(=B(E)u(k-1)+ξ(E)△ N尼o)+00 (1) 3)计算最优控制增量△=(Sw,-Lo)/Qo 式中：A(E)=1+41+…+aa0;B()= 4)计算最优控制量0=u.1+△场转2)， 1+1+…+4。w,△=1-2为差分算子， 是后向移位算子，(k-1)是系统输入信号，y()是 3 FGPC-RED控制器的结构 系统输出信号，ξ（是噪声信号 31 FGPC-RED控制器的结构 将式(1)两边乘△并整理，推导出基于式(2)综 该控制系统的目标为稳定并控制路由器缓冲区队 合加权的目标函数的GPC算法： 列长度的大小在一个合适的目标值，来提高链路的利 用率及减小队列延迟.由于FGC控制算法在各个方 Jlp(n).(2 面的广泛成功应用1，因此在此采用FGC作为主要 式中：M为控制步长，w为t+k时刻的期望输出，输 的手段来对系统进行控制.系统控制框图如图2所示」 出加权p和控制加权入分别是的多项式 在该系统中，Q,为期望的队列长度，是系统的 为避免求解D iophantine方程，FGPC利用反向 输入设定值，g为采样时刻的队列长度，为通过 递推对GP℃进行变换，算法复杂度仅为ON·n), 滤波之后得到的平均队列长度，为预测所得的丢 N与n为求解矩阵的维数.与传统GPC相比，具有 包率，是被控对象的输出，w=()公为输入系统 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

RED的目的是控制拥塞结点的队列长度在最 大和最小之间 ,保持对资源的高利用率. RED 的有 效性经过了一些实践的验证 ,但依旧存在一些缺陷. 1) RED算法的性能敏感于设计参数和网络状况 , 在特定的网络负载状况下依然会导致多个 TCP的同 步 ,造成队列震荡 ,吞吐量降低和时延抖动加剧. 2) RED算法的公平性和稳定性也存在问题. 在 网络严重拥塞时 , RED 往往失去对队列的控制能 力 ,带来的问题甚至比尾部丢弃严重. 3)自 RED被首次提出来之后 ,它的参数配置就 是一个没有彻底解决的问题. 正是由于 RED存在着上面所述诸多问题 ,导致 了其他几种 AQM技术的产生. 这些 AQM技术有些 是在 RED基础上的扩充 ,弥补了 RED的一些缺点 , 比如 FRED、ARED 等 ;另外一些 AQM 算法则是利 用链路状态、队列占用状况等信息来管理队列 ,比如 BLUE、SRED等. 2 快速广义预测控制 ( FGPC)算法 基于文献 [ 6 ]中的快速广义预测控制方法 ,对 端系统和网关组成的系统采用下面具有随机扰动的 离散差分方程来描述 : A (z - 1 ) y ( k) = B (z - 1 ) u ( k - 1) +ξ(z - 1 ) /Δ. (1) 式中 : A (z - 1 ) = 1 + a1 z - 1 + … + aN a z - N a ; B ( z - 1 ) = 1 + b1 z - 1 + … + bN b z - N b ,Δ = 1 - z - 1为差分算子 , z - 1 是后向移位算子 , u ( k - 1)是系统输入信号 , y ( k)是 系统输出信号 ,ξ( k)是噪声信号. 将式 (1)两边乘Δ并整理 ,推导出基于式 (2)综 合加权的目标函数的 GPC算法 : J = ∑ N k =1 [ p ( yk - wk ) ] 2 + ∑ M - 1 k =0 (λΔuk ) 2 . (2) 式中 :M 为控制步长 , wk 为 t + k时刻的期望输出 ,输 出加权 p和控制加权 λ分别是 z - 1的多项式. 为避免求解 D iophantine方程 , FGPC利用反向 递推对 GPC进行变换 ,算法复杂度仅为 O (N ·n) , N 与 n为求解矩阵的维数. 与传统 GPC相比 ,具有 更快的运算速度. 正适合了网络流量变化的特点. 算法实现如下 : 1) 初始化 :令 PN = p, RN = p, KN = 0, LN = 0, SN = 0, QN =λ. 2) 取 k = N, (N - 1) , …, 1,计算 : ( P…k , K…k ) =φ+ ( PK , A ^ ; KK , B ). 即 q - 1 P…k K…k = Pk -αA ^ Kk +αB ,从而 P…k K…k = q ( Pk -αA ^ ) Kk +αB ,α= Pk (0) /A ^ ( 0) , ( Kk - 1 , Qk - 1 ; Pk - 1 , Lk - 1 ; Rk - 1 , Sk - 1 ) =φ+ ( K…k , Qk ; P…k , Lk ; Rk , Sk ) , 即 q - 1 Kk - 1 Pk - 1 Rk - 1 Qk - 1 Lk - 1 Sk - 1 = β -γ γ β K…k P…k Rk Qk Lk Sk . 从而 Kk - 1 Pk - 1 Rk - 1 Qk - 1 Lk - 1 Sk - 1 = q (βK…k -γQk ) βP…k -γLk βRk -γSk γK…k +βQk γP…k +βLk γRk +βSk . 式中 :β = Qk ( 0 ) / K… 2 k (0) +Q 2 k (0) , γ = K…k ( 0 ) / K… 2 k (0) +Q 2 k (0). 3) 计算最优控制增量Δu0 = (S0wr - L0 y0 ) /Q0 . 4) 计算最优控制量 u0 = u - 1 +Δu0 转 2). 3 FGPC2RED控制器的结构 3. 1 FGPC2RED控制器的结构 该控制系统的目标为稳定并控制路由器缓冲区队 列长度的大小在一个合适的目标值 ,来提高链路的利 用率及减小队列延迟. 由于 FGPC控制算法在各个方 面的广泛成功应用 [ 8210 ] ,因此在此采用 FGPC作为主要 的手段来对系统进行控制.系统控制框图如图 2所示. 在该系统中 , QT 为期望的队列长度 ,是系统的 输入设定值 , q为采样时刻的队列长度 , qave为通过 滤波之后得到的平均队列长度 , p为预测所得的丢 包率 ,是被控对象的输出 , w =ξ(z - 1 ) /Δ为输入系统 第 4期 陈增强 ,等 :基于智能预测控制的网络拥塞主动队列管理算法研究 · 513 ·

·316· 智能系统学报 第3卷 的辨识步数counts 0, FGPC-RED TCP 2)随机产生一个丢包率p为辨识需要，p在 控制器 处理过程 0.03~0.06之间取值： 滤波器 3)将p赋值给RD系统的丢包率： 模型 4)调用最小二乘法的辨识程序对整个系统进 行辨识： 图2FGPC-RD控制系统 5)辨识步数n加1 Fig 2 FGPC-RED control system 32FGPC-RED系统的运算流程及参数配置 的噪声信号 FGPC-RED控制系统在时刻n的运行流程为 将运行时间分成许多个大小固定时间段，即采 1)对当前的队长进行采样，即g(n: 样间隔为8().时间标志为n第n个时间段用 2)用式(3)计算平均队列长度ge(n: T(n)来表示.g(n)为在第n个时间段的真实队列 3)采用递推最小二乘法的式(4)与(5)对系统 长度.系统的目标就是找到一个恰当的丢包率使系 的模型进行辨识，并将辨识所得的系统传递给 统的队列长度保持在目标队长，而不受网络的流量 FGPC-RED控制器； 及扰动如UDP流的影响 4)通过FGPC算法对丢包率pn进行预测： 从图2可以看出，该系统主要包括3个部分：式 5)在时刻n使用p(m)作为系统的丢包率： (3)所给的低通滤波器：辨识模块，在该部分采用递 推最小二乘法V进行系统辨识，FGPC-RED控制 6)存储ae(n)及p(n,这些将在n+1时刻计 算时被使用 器，根据Q对p进行预测. 在该部分可以看出，FGPC-RED控制器主要有 由于网络流量的突变及其他扰动如UDP流2) 以下参数： 的存在，实际的队列长度可能会产生强烈的波动，因 采样间隔δ()：该参数决定了p的更新时间间 此低通滤波器被采用.经过滤波的队列长度为 隔.8（减小时，计算量将会增加.另一方面，较小的 qave (n)=(1-B)gove (n-1)+Bg(n).(3) 8()将提高系统的性能.因此，应该合理选取采样间 式中：β为滤波因子，在表现上看来，是平均队列的 隔，在仿真中8()取为01s 权.因此，该控制器的主要目标为调整来控制队 目标队列长度Q:该参数直接决定了系统稳定 列长度到给定的值。 状态时的队列长度，队列长度将影响使用率及队列 在运行时，应对系统模型进行实时的辨识，此处 采用了递推最小二乘法来对系统进行辨识.8，为 延迟.较高的Q,将提高系统的利用率，但会增大队 N+次采样数据得到的最小二乘估计量，第 列延迟.该参数应该根据路由器的性能来确定 n+N+次采样后，得到的估计量为8+1 滤波因子阝：该参数影响滤波器的反应速度.B 卫ΦxL 较大时，实时的队列长度的变化将较快地影响平均 g=9+oR中+d 队列长度.常采用的β为0002 [y(n+N+1)-ΦN,8, 4) 4算法仿真与性能评估 EΦΦN1P PN+1 Px (5) Φ1Pw④x+1+1 对仿真工作的评价，一个重要的标准就是仿真工 各符号和含义请参考文献111 具的准确性).在综合比较了多种通信网仿真工具 在t()时刻，辨识过程为 以后，选定了著名的仿真软件NS作为仿真平台.NS 1)如果当前辨识的步数n小于系统初始设置 为美国国防部远景规划署(Ddefense Advanced Re 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

图 2 FGPC2RED控制系统 Fig. 2 FGPC2RED control system 的噪声信号. 将运行时间分成许多个大小固定时间段 ,即采 样间隔为 δ( t). 时间标志为 n, 第 n 个时间段用 T ( n)来表示. q ( n) 为在第 n个时间段的真实队列 长度. 系统的目标就是找到一个恰当的丢包率使系 统的队列长度保持在目标队长 ,而不受网络的流量 及扰动如 UDP流的影响. 从图 2可以看出 ,该系统主要包括 3个部分 :式 (3)所给的低通滤波器;辨识模块 ,在该部分采用递 推最小二乘法 [ 11 ]进行系统辨识; FGPC2RED 控制 器 ,根据 QT 对 p进行预测. 由于网络流量的突变及其他扰动如 UDP流 [ 12 ] 的存在 ,实际的队列长度可能会产生强烈的波动 ,因 此低通滤波器被采用. 经过滤波的队列长度为 qave ( n) = (1 - β) qave ( n - 1) +βq ( n). (3) 式中 :β为滤波因子 ,在表现上看来 ,是平均队列的 权. 因此 ,该控制器的主要目标为调整 p,来控制队 列长度到给定的值. 在运行时 ,应对系统模型进行实时的辨识 ,此处 采用了递推最小二乘法来对系统进行辨识. θ^N 为 N + K次 采 样 数 据 得 到 的 最 小 二 乘 估 计 量 , 第 n +N + 1次采样后 ,得到的估计量为 θ^N + 1 : θ^N +1 =θ^N + PNΦN +1 ΦT N +1 PNΦN +1 +w - 1 N +1 · [ y ( n +N + 1) - ΦT N +1θ^N ], (4) PN +1 = PN - PNΦN +1ΦT N +1 PN ΦT N +1 PNΦN +1 + 1 . (5) 各符号和含义请参考文献 [11 ]. 在 t( n)时刻 ,辨识过程为 1)如果当前辨识的步数 n小于系统初始设置 的辨识步数 counts; 2)随机产生一个丢包率 p, 为辨识需要 , p在 0103～0106之间取值; 3)将 p赋值给 RED系统的丢包率; 4)调用最小二乘法的辨识程序对整个系统进 行辨识; 5)辨识步数 n加 1. 3. 2 FGPC2RED系统的运算流程及参数配置 FGPC2RED控制系统在时刻 n的运行流程为 1)对当前的队长进行采样 ,即 q ( n) ; 2)用式 (3)计算平均队列长度 qave ( n) ; 3)采用递推最小二乘法的式 ( 4)与 ( 5)对系统 的模型进行辨识 , 并将辨识所得的系统传递给 FGPC2RED控制器; 4) 通过 FGPC算法对丢包率 p ( n)进行预测; 5) 在时刻 n使用 p ( n)作为系统的丢包率; 6) 存储 qave ( n)及 p ( n) ,这些将在 n + 1时刻计 算时被使用. 在该部分可以看出 , FGPC2RED 控制器主要有 以下参数 : 采样间隔 δ( t) :该参数决定了 p的更新时间间 隔.δ( t)减小时 ,计算量将会增加. 另一方面 ,较小的 δ( t)将提高系统的性能. 因此 ,应该合理选取采样间 隔 ,在仿真中 δ( t)取为 0. 1 s. 目标队列长度 QT :该参数直接决定了系统稳定 状态时的队列长度 ,队列长度将影响使用率及队列 延迟. 较高的 QT 将提高系统的利用率 ,但会增大队 列延迟. 该参数应该根据路由器的性能来确定. 滤波因子 β:该参数影响滤波器的反应速度. β 较大时 ,实时的队列长度的变化将较快地影响平均 队列长度. 常采用的 β为 0. 002. 4 算法仿真与性能评估 对仿真工作的评价 ,一个重要的标准就是仿真工 具的准确性 [ 12 ] . 在综合比较了多种通信网仿真工具 以后 ,选定了著名的仿真软件 NS作为仿真平台. NS 为美国国防部远景规划署 (Ddefense Advanced Re2 · 613 · 智 能 系 统 学 报 第 3卷

第4期 陈增强，等：基于智能预测控制的网络拥塞主动队列管理算法研究 ·317 search Projects Agency,DARPA)资助，由Berkelay国 800m 家实验室开发的网络模拟器(netork smulator) 700 600 FGPC-RED控制器的主要目的是将队列长度控 500 制在一个目标值Q,并使之具有较快的收敛速度，克 400%称 300 服RD存在的对参数和网络状况过于敏感，从而造 200 成队列震荡，吞吐量降低和时延抖动加剧现象 100 采用如图3所示的哑铃状(dumbbell)网络拓扑 406080100 t/s 结构，包含2个路由器以及多个源节点和目的节点， (b)400个CP连接时的情形 0 图4Q,为400时，100和400个CP连接时候的队列 源节点 目的节点 长度 Fig 4 The queue length when O,is 400 and TCP link is 100and400 为了更充分地观察FGPC-RED控制器的性能 图3仿真网络拓扑图 在400个连接时，设置了Q,为200与600 Fig 3 The smulation network topobgy 1000 如图3所示：节点m与h为路由器，m与历间 900 800 链路的带宽(capacity)为45Mbps,传输延迟为5ms, 700 600 队列缓存管理模块的)类型为FGPC-RED.缓冲区的 500 大小为1000个包，采样间隔6（为100ms目标队列 400 300 长度Q,为400，滤波因子B为Q002 200 100 41基于TCP连接的仿真 04 20 4060 80100 1/s 在该部分主要测试是在只有CP连接时， FGPC-RED控制器是否能达到预期的设计目标】 (aQ,为200的情形 图4显示了FGPC-RED控制器在100~400个 连接时候的实时队列长度.可以看到FGPC-RED控 1w酬 800 制器可以比较快地将对列长度控制到并且稳定在 700 Q,同时可以看出，400个连接时平均队长的波动要 600 500 小于100个连接的平均队长的波动. 400 300 800m 200 700 100 600 0 20 406080100 t/s 500 ✉400 树 b)Q,为600的情形 300 200 图5400个1CP连接时，Q,为200与 100 600时的队列长度 0 20 4060 80100 1/s Fig 5 The queue length when TCP link is 400. and r is 200 and 600 (a)100个TCP连接时的情形 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

search Projects Agency, DARPA)资助 ,由 Berkelay国 家实验室开发的网络模拟器 ( network simulator). FGPC2RED控制器的主要目的是将队列长度控 制在一个目标值 QT ,并使之具有较快的收敛速度 ,克 服 RED存在的对参数和网络状况过于敏感,从而造 成队列震荡,吞吐量降低和时延抖动加剧现象. 采用如图 3所示的哑铃状 ( dumbbell)网络拓扑 结构 ,包含 2个路由器以及多个源节点和目的节点. 图 3 仿真网络拓扑图 Fig. 3 The simulation network topology 如图 3所示:节点 n1 与 n2 为路由器, n1 与 n2 间 链路的带宽 ( capacity)为 45 Mbp s,传输延迟为 5 ms, 队列 (缓存管理模块的 )类型为 FGPC2RED. 缓冲区的 大小为 1 000个包 ,采样间隔δ( t)为 100 ms,目标队列 长度 QT 为 400,滤波因子β为 0. 002. 4. 1 基于 TCP连接的仿真 在该部分主要测试是在只有 TCP 连接时 , FGPC2RED控制器是否能达到预期的设计目标. 图 4显示了 FGPC2RED控制器在 100～400个 连接时候的实时队列长度. 可以看到 FGPC2RED控 制器可以比较快地将对列长度控制到并且稳定在 QT ,同时可以看出 , 400个连接时平均队长的波动要 小于 100个连接的平均队长的波动. ( a) 100个 TCP连接时的情形 ( b) 400个 TCP连接时的情形 图 4 QT 为 400时 , 100和 400个 TCP连接时候的队列 长度 Fig. 4 The queue length when QT is 400 and TCP link is 100 and 400 为了更充分地观察 FGPC2RED控制器的性能 , 在 400个连接时 ,设置了 QT 为 200与 600. ( a) QT 为 200的情形 ( b) QT 为 600的情形 图 5 400个 TCP连接时 , QT 为 200与 600时的队列长度 Fig. 5 The queue length when TCP link is 400, and QT is 200 and 600 第 4期 陈增强 ,等 :基于智能预测控制的网络拥塞主动队列管理算法研究 · 713 ·

·318· 智能系统学报 第3卷 从图5中，可以确认FGPC-RED控制器可以控制目 制目标队列长度为任何期望值 标队列长度为任何期望值.可以说，在单纯TCP连 43基于TCP连接在不同传播延时下的仿真 接时，可以成功地控制队列长度，从而可以有效地避 为了测试FGPC-RED控制器在不同链路容量 免网络的拥塞 的性能，将链路的容量从45Mbps变换到15Mbps及 42TCP与UDP并存的仿真 75Mbps,其他的参数保持不变.采用400个节点的 在实际的网络中，除了TCP连接外还有HTTP 测试结果如图(7)所示，从结果可以看到系统同样 UDP等其他连接方式.为了使仿真更贴近于实际情 稳定，并且可以得到上面同样的结论 况，测试系统在多种协议并存时进行仿真 1000 网络的拓扑结构同图3，仍有400个TCP连接， 900 800 但同时添加了UDP扰动.在试验中，添加了400个 700 600 UDP流，每个UDP流随机启动与结束，平均每个 500 400 UDP流运行时间为1.0sQ,为200与600的情况 300 在图6中进行了描述 200 100 每个UDP连接参数设置如下：包的大小为 20 1/s60 40 80100 500bit发送速率为50Kbps (a)链路容量为15Mbps的情形 1000 900 1000 800 900 700 800 600 700 500 600 400 500 300 400 aisntl oy pay pr 200 300 NW作 100 200 20 1/s60 40 80100 100 0 20 40/600 I00 (a)Q,为200的情形 (b)链路容量为75Mbps时的情形 1000 900 图7400个节点，链路容量为15Mbps及 800 700 75Mbps时的队列长度 600 Fig 7 The queue length when nodes is 400 and 500 400 the link capacity is 15 Mbps and 75 Mbps 300 200 100 44与其他算法的比较 0 20 40 60 80 100 1/s 在验证了FGPC-RED控制器可以有效地控制 (b)Qr为600的情形 队列长度之后，本部分主要研究的是系统的吞吐量 图6400个连接时Q,为200与600时的 及链路的利用率.基于FGPC-RED算法为RED的改 队列长度 进算法，所以与原始RD进行了比较，表1显示了 Fig 6 The queue length when link is 400 and 在不同参数下，2种算法性能的比较.通过比较可知 O is 200 and 600 采用FGPC-RED算法的拥塞控制算法，在减少数据 包重发方面获得了较好的效果，可以减小链路的负 从图6中，可以确认FGPC-RED控制器可以控 载，间接减小链路的延迟 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

从图 5中 ,可以确认 FGPC2RED控制器可以控制目 标队列长度为任何期望值. 可以说 ,在单纯 TCP连 接时 ,可以成功地控制队列长度 ,从而可以有效地避 免网络的拥塞. 4. 2 TCP与 UDP并存的仿真 在实际的网络中 ,除了 TCP连接外还有 HTTP、 UDP等其他连接方式. 为了使仿真更贴近于实际情 况 ,测试系统在多种协议并存时进行仿真. 网络的拓扑结构同图 3,仍有 400个 TCP连接 , 但同时添加了 UDP扰动. 在试验中 ,添加了 400个 UDP流 ,每个 UDP流随机启动与结束 ,平均每个 UDP流运行时间为 1. 0 s. QT 为 200与 600的情况 在图 6中进行了描述. 每个 UDP 连接参数设置如下 : 包的大小为 500 bit,发送速率为 50 Kbp s. ( a) QT 为 200的情形 ( b) QT 为 600的情形 图 6 400个连接时 QT 为 200与 600时的 队列长度 Fig. 6 The queue length when link is 400 and QT is 200 and 600 从图 6中 ,可以确认 FGPC2RED控制器可以控 制目标队列长度为任何期望值. 4. 3 基于 TCP连接在不同传播延时下的仿真 为了测试 FGPC2RED 控制器在不同链路容量 的性能 ,将链路的容量从 45 Mbp s变换到 15 Mbp s及 75 Mbp s,其他的参数保持不变. 采用 400个节点的 测试结果如图 ( 7)所示 ,从结果可以看到系统同样 稳定 ,并且可以得到上面同样的结论. ( a)链路容量为 15 Mbp s的情形 ( b)链路容量为 75 Mbp s时的情形 图 7 400个节点 ,链路容量为 15 Mbp s及 75 Mbp s时的队列长度 Fig. 7 The queue length when nodes is 400 and the link capacity is 15 Mbp s and 75 Mbp s 4. 4 与其他算法的比较 在验证了 FGPC2RED 控制器可以有效地控制 队列长度之后 ,本部分主要研究的是系统的吞吐量 及链路的利用率. 基于 FGPC2RED算法为 RED的改 进算法 ,所以与原始 RED进行了比较 ,表 1显示了 在不同参数下 , 2种算法性能的比较. 通过比较可知 采用 FGPC2RED算法的拥塞控制算法 ,在减少数据 包重发方面获得了较好的效果 ,可以减小链路的负 载 ,间接减小链路的延迟. · 813 · 智 能 系 统 学 报 第 3卷

第4期 陈增强，等：基于智能预测控制的网络拥塞主动队列管理算法研究 ·319· 小了丢包率、降低了端到端延迟、提高了吞吐量、避 表1GPC-RD算法性能 免了死锁现象的发生.因此，AQM己经成为目前 Table 1 The perfommance of GPC-RED a lgor ithm 的研究热点之一.本文从控制的角度将FGPC控制 节点数期望队长接包数丢包数重发数 重发率 算法应用到路由队列管理上，取得较好的效果.通过 60 200 611719890110857 001775 在NS2的仿真，显示了采用传统控制算法对RED系 60 400 6120736473 8252 001348 统模型辨识的可行性及FGPC对队列管理的潜在应 60 600 6122305133 6937001133 用价值.仿真表明，采用FGPC的RD算法能有效 100 200 6425771673321129003288 地控制路由队列的长度，从而有效地避免拥塞现象 100 400 6452281254915204002356 的发生，对提高网络吞吐率、提供可预测的链路延迟 100 600 6455789935 12378 0.01917 及获得较小的丢包率具有实在的价值 400 200 6385846432774398 011650 400 4006388495531265294010221 参考文献： 400 600 6396444653955928 0.08744 [1 POSTEL J.Transn ission control procol R 1.IETF 注：接收总数为接收端接收到的有效包数，丢包数为路由器 RFC793,1981 所丢弃的包数，重发数为发送端由于延时或丢包重传的包数， [2]YEOM L REDDY A L N.Modeling TCP behavior in a dif 表2RD算法性能 ferentiated services network [R ]TexasA&M Technical Re- p0t,1999 Table 2 The performance of RED a lgorithm [3]FLOYD S,FALL K Router mechanisns o support end-o- 节点数4n 4x接包数丢包数重发数重发率 end congestion control[R ]LBL Technical Report,1997 60 50200640506999514040002192 [4 ]BRADEN B.Recommendations on queue management and 60 200 400641782787811740001829 congestion avoidance in intemet[R RFC 2309,1998 60 400 600 6419545429 10180001586 [5 ]NORMEY-R O J E,CAMCHO E E.Robust design of 100 50 2006331121892128014004425 GPC for process with tme delay [J ]J Robust Nonlinear 100 200 4006409731351818926002953 Contol,2000,10(7):1105-1127 100 400 600641772945712378001929 [6赵怀彬，王诗宓.快速递推广义预测控制[J].控制理论 400 2006258856061582764013224 与应用，1998.15(2)：190-196 50 ZHAO Huaibin,WANG Shifu Fast recursive generalized 400 200 400 6334875884373415011589 predictive control [J ]Control Theory and Applications, 4004006006347194855063544010011 1998,15(2):190-196 [7]FOYD S,JACOBSON V.Random early detection gateways 5结束语 or congestion avoidance [J]IEEE/ACM Transaction Net- work ing1993,1(4):397-413 由于互联网的飞速发展和业务的多样化，TCP/ [8 R ICHALET J.Industrial app lications of model-based pre- P拥塞控制对互联网鲁棒性越来越重要.端到端的 dictive control[J ]Automatica,1993,29(10):1251-1274 TCP拥塞控制机制由于其局限性，难以适应形势的 [9]舒迪前.预测控制系统及其应用[M]北京：机械工业 发展.因此，路由器必须主动地参与到网络拥塞控制 出版社，1996 [10席裕庚.预测控制M]北京：国防工业出版社，1995 中去，和TCP拥塞控制机制相结合，解决网络的拥 [11正秀峰.系统建模与辨识M]北京：电子工业出版社， 塞控制问题，确保互联网的鲁棒性.AQM技术是路 2004 由器进行拥塞控制的关键技术.和传统的“去尾等 [12 ]SANDEEP B.mpoving smulation for nework research PQM技术相比，AQM通过有效地管理队列长度，减 99-702b[R ]Los Angeles:University of Southem Califor 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

表 1 GPC2RED算法性能 Table 1 The performance of GPC2RED a lgor ithm 节点数 期望队长 接包数 丢包数 重发数 重发率 60 200 611 719 8 901 10 857 0. 017 75 60 400 612 073 6 473 8 252 0. 013 48 60 600 612 230 5 133 6 937 0. 011 33 100 200 642 577 16 733 21 129 0. 032 88 100 400 645 228 12 549 15 204 0. 023 56 100 600 645 578 9 935 12 378 0. 019 17 400 200 638 584 64 327 74 398 0. 116 50 400 400 638 849 55 312 65 294 0. 102 21 400 600 639 644 46 539 55 928 0. 087 44 注 : 接收总数为接收端接收到的有效包数 ,丢包数为路由器 所丢弃的包数 ,重发数为发送端由于延时或丢包重传的包数. 表 2 RED算法性能 Table 2 The performance of RED a lgor ithm 节点数 qm in qmax 接包数 丢包数 重发数 重发率 60 50 200 640 506 9 995 14 040 0. 021 92 60 200 400 641 782 7 878 11 740 0. 018 29 60 400 600 641 954 5 429 10 180 0. 015 86 100 50 200 633 112 18 921 28 014 0. 044 25 100 200 400 640 973 13 518 18 926 0. 029 53 100 400 600 641 772 9 457 12 378 0. 019 29 400 50 200 625 885 60 615 82 764 0. 132 24 400 200 400 633 487 58 843 73 415 0. 115 89 400 400 600 634 719 48 550 63 544 0. 100 11 5 结束语 由于互联网的飞速发展和业务的多样化 , TCP/ IP拥塞控制对互联网鲁棒性越来越重要. 端到端的 TCP拥塞控制机制由于其局限性 ,难以适应形势的 发展. 因此 ,路由器必须主动地参与到网络拥塞控制 中去 ,和 TCP拥塞控制机制相结合 ,解决网络的拥 塞控制问题 ,确保互联网的鲁棒性. AQM 技术是路 由器进行拥塞控制的关键技术. 和传统的“去尾 ”等 PQM技术相比 ,AQM通过有效地管理队列长度 ,减 小了丢包率、降低了端到端延迟、提高了吞吐量、避 免了“死锁 ”现象的发生. 因此 , AQM 己经成为目前 的研究热点之一. 本文从控制的角度将 FGPC控制 算法应用到路由队列管理上 ,取得较好的效果. 通过 在 NS2的仿真 ,显示了采用传统控制算法对 RED系 统模型辨识的可行性及 FGPC对队列管理的潜在应 用价值. 仿真表明 ,采用 FGPC的 RED 算法能有效 地控制路由队列的长度 ,从而有效地避免拥塞现象 的发生 ,对提高网络吞吐率、提供可预测的链路延迟 及获得较小的丢包率具有实在的价值. 参考文献 : [ 1 ] POSTEL J. Transm ission control p rotocol [ R ]. IETF RFC793, 1981. [ 2 ] YEOM I, REDDY A L N. Modeling TCP behavior in a dif2 ferentiated services network[R ]. TexasA&M Technical Re2 port, 1999. [ 3 ] FLOYD S, FALL K. Router mechanism s to support end2to2 end congestion control[R ]. LBL Technical Report, 1997. [ 4 ]BRADEN B. Recommendations on queue management and congestion avoidance in internet[R ]. RFC 2309, 1998. [ 5 ] NORMEY2R ICO J E, CAMCHO E F. Robust design of GPC for p rocess with time delay [ J ]. J Robust Nonlinear Control, 2000, 10 (7) : 110521127. [ 6 ]赵怀彬 ,王诗宓. 快速递推广义预测控制 [J ]. 控制理论 与应用 , 1998, 15 (2) : 1902196. ZHAO Huaibin, WANG Shifu. Fast recursive generalized p redictive control [ J ]. Control Theory and App lications, 1998, 15 (2) : 1902196. [ 7 ] FLOYD S, JACOBSON V. Random early detection gateways for congestion avoidance [ J ]. IEEE /ACM Transaction Net2 working, 1993, 1 (4) : 3972413. [ 8 ] R ICHALET J. Industrial app lications of model2based p re2 dictive control[J ]. Automatica, 1993, 29 (10) : 125121274. [ 9 ] 舒迪前. 预测控制系统及其应用 [M ]. 北京 :机械工业 出版社 , 1996. [ 10 ]席裕庚. 预测控制 [M ]. 北京 :国防工业出版社 , 1995. [ 11 ]王秀峰. 系统建模与辨识 [M ]. 北京 :电子工业出版社 , 2004. [ 12 ] SANDEEP B. Imp roving simulation for network research. 992702b [ R ]. Los Angeles: University of Southern Califor2 第 4期 陈增强 ,等 :基于智能预测控制的网络拥塞主动队列管理算法研究 · 913 ·

·320· 智能系统学报 第3卷 nia,1999 刘忠信，男，1975年生，副教授，博 作者简介： 士，主要研究方向为计算机网络、复杂 陈增强，男，1964年生，教授，博士 网络控制等，获得省部级科技进步奖1 生导师，中因系统仿真学会理事、中国 项次，发表学术论文30余篇 自动化学会控制理论专业委员会委员、 中国自动化学会过程控制专业委员会 袁著祉，男，1937年生，教授，博士 委员、中国优选法统筹法与经济数学 生导师，《伯动化学报》、控制理论与应 研究会复杂系统专业委员会理事，主 用杂志编委，EEE高级会员，主要研 要研究方向为智能控制、复杂网络控制等.获得省部级科技 究方向为智能控制、预测控制等.获得 进步奖4次，发表学术论文80余篇 教育部科技进步一等奖和国防科工委 光华一等奖，发表学术论文150余篇 The 3rd hterna tional Sym posium on htelligence Com puta tion and Applica tions ISICA 2008) 第三届智能计算及其应用国际会议(ISICA2008) The 3rd Intemational Symposium on Intelligence Computation and Applications ISICA 2008)will be held on December 19-21, 2008 in Wuhan,China Following the successful ISCA 2005 and ISCA 2007 sponsored by the China University of Geosciences (CUG),one proceedings of ISCA 2007 published by Springer has been indexed by EI and ISTP,and the other proceedings of ISCA 2007 published by Press of China University of Geosciences has been indexed by ISTP Topics: The emphasis of IS CA 2008 will be on the devebpment of theories and methodologies in the field of computational intelligence and their applications It covers all topics in intelligent computation,including,but not lm ited to: Evolutionary computation Evolutionary data m ining ·Neural networks Evolutionary leaming systems ·Fuzzy systems Evolutionary multi-objective and dynam ic op tm ization Ant cobny op tm ization Molecular quantum computing ·A rtificial life Representatons operators B oinfommatics bioengineering Real-world applications Combinatorial numerical optm ization Theory of intelligent computaton mportantDue Dates: Paper Subm ission:July 15,2008 Decision Notification:September 1,2008 Camera-Ready Subm ission:September 15,2008 Website:htp://isica cug edu cn 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net

nia, 1999. 作者简介 : 研究会复杂系统专业委员会理事 ,主 要研究方向为智能控制、复杂网络控制等. 获得省部级科技 进步奖 4次 ,发表学术论文 80余篇 陈增强 ,男 , 1964年生 ,教授 ,博士 生导师 ,中国系统仿真学会理事、中国 自动化学会控制理论专业委员会委员、 中国自动化学会过程控制专业委员会 委员、中国优选法统筹法与经济数学 . 刘忠信 ,男 , 1975年生 ,副教授 ,博 士 ,主要研究方向为计算机网络、复杂 网络控制等. 获得省部级科技进步奖 1 项次 ,发表学术论文 30余篇. 袁著祉 ,男 , 1937年生 ,教授 ,博士 生导师 ,《自动化学报 》、《控制理论与应 用 》杂志编委 , IEEE高级会员 ,主要研 究方向为智能控制、预测控制等. 获得 教育部科技进步一等奖和国防科工委 光华一等奖 ,发表学术论文 150余篇. The 3rd Interna tiona l Symposium on Intelligence Computa tion and Applica tions ( I SICA 2008) 第三届智能计算及其应用国际会议 ( ISICA 2008) The 3 rd International Symposium on Intelligence Computation and App lications ( ISICA 2008) will be held on December 19 - 21, 2008 in W uhan , China. Following the successful ISICA 2005 and ISICA 2007 sponsored by the China University of Geosciences (CUG) , one p roceedings of ISICA 2007 published by Sp ringer has been indexed by EI and ISTP, and the other p roceedings of ISICA 2007 published by Press of China University of Geosciences has been indexed by ISTP. Top ics: The emphasis of ISICA 2008 will be on the development of theories and methodologies in the field of computational intelligence and their app lications. It covers all top ics in intelligent computation, including, but not lim ited to: ·Evolutionary computation ·Neural networks ·Fuzzy system s ·Ant colony op timization ·A rtificial life ·Bioinformatics & bioengineering ·Combinatorial & numerical op tim ization ·Evolutionary data m ining ·Evolutionary learning systems ·Evolutionary multi - objective and dynam ic op tim ization ·Molecular & quantum computing ·Rep resentations & operators ·Real - world app lications ·Theory of intelligent computation Im portan t D ue Da tes: Paper Subm ission: July 15, 2008 Decision Notification: Sep tember 1, 2008 Camera - Ready Submission: Sep tember 15, 2008 W ebsite: http: / / isica. cug. edu. cn · 023 · 智 能 系 统 学 报 第 3卷