导读:本文包含了队列时延论文开题报告文献综述及选题提纲参考文献，主要关键词:主动队列管理,时延需求,洪峰效应,队列稳定性
队列时延论文文献综述
赵玉宇,程光,李昊冬,张慰慈[1]（2019）在《面向时延需求的主动队列管理方法》一文中研究指出网络智能终端的普及和发展对网络总体的拥塞控制和以时延、抖动为主的服务质量提出了更高的要求和挑战.现有的网络中间设备,主要依靠队列管理控制时延,解决拥塞.针对现有主动队列管理算法易导致的高时延和网络资源分配不公下的大量丢包问题,本文提出了面向时延需求的主动队列管理(time demand-active queue management, TD-AQM)方法.该方法将队列管理的基础从端系统和中间设备得到的网络测量反馈回归到写入数据报文IP层option字段的时延需求,即报文在路由器最长存在的时间上.为了避免洪峰效应, TD-AQM利用限制向下查找范围和遏制格子虚占用命中率方法,将数据包按照时延需求插入队列.实验结果表明, TD-AQM能够有效地维持队列的稳定性,保证数据报文按照时延需求出队并相较现有队列管理算法提高了吞吐率等各项性能.(本文来源于《中国科学:信息科学》期刊2019年10期）
王露[2]（2017）在《异构车联网基于队列稳定的最小时延资源分配算法》一文中研究指出基于长期演进(Long Term Evolution,LTE)网络与车载自组织网络(Vehicle Ad-Hoc Network,VANET)结合的异构车联网场景中,使用队列模型对簇头消息数据包的转发问题建模,提出队列稳定前提下的最小化网络时延的资源分配算法(Queue Stable-Minimum Network Delay Algorithm,QSMNDA)。QS-MNDA通过马尔科夫不等式保证队列的溢出概率小于阈值,建立最小化网络时延优化问题,利用李雅普诺夫优化方法,动态控制多时隙下的队列稳定,并采用拉格朗日对偶分解,迭代计算出各时隙下簇头车辆对于LTE各资源块上分配的功率。仿真结果表明,QS-MNDA降低整体网络时延约10%,同时实现平均簇头队列长度下降8%左右,优化整体网络的性能。(本文来源于《信息技术与信息化》期刊2017年12期）
曹芮浩[3]（2017）在《基于队列挖掘的业务流程时延预测方法与应用》一文中研究指出过程挖掘是业务流程管理的补充,它以事件日志入手提取信息,进而发现、监控、分析和改进实际的业务流程。在技术应用过程中通常结合建模技术使分析过程和结果更加直观。过程挖掘技术在提高企业生产力、指导企业运营和节约运行成本等方面都发挥着极其重要的作用。因此,过程挖掘近年来一直都是研究学者关注的热点课题。随着科技的不断进步,过程挖掘技术也面临着不断的挑战,例如信息系统的不断完善使得业务流程中的数据能够充分的被发现和利用。但是现有的过程挖掘技术大多是基于控制流和数据流角度,针对无时延的业务流程进行基于状态的分析和研究。换句话说,当业务流程中任务的执行存在时延的情况下,现有的过程挖掘技术表现出一定的局限性。针对这一问题,本文提出了基于队列挖掘的业务流程优化分析方法,首先,从事件日志入手,利用行为轮廓的理论结合增量日志挖掘业务流程的初始模型;其次,运用队列挖掘的观点,通过对特定顾客的进行时延预测,挖掘出顾客的行为(时延)信息,以此达到进一步优化过程模型的目的;最后通过实例验证了所提出的优化挖掘方法的有效性。优化后的流程模型不仅对事件日志有很好的重放效果,并且能够反映出多类别且存在时延的业务流程中任务的行为信息。本文主要贡献还包括:(1)提出了业务流程的时延预测多类型队列挖掘方法。在队列挖掘的基础上结合排队论相关知识,通过对G/M/s+M,D/M/c+M和M/M/1叁种不同的队列系统进行分析研究,提出了基于这叁种不同类别的排队系统的队列挖掘方法。同时将队列系统中不同的顾客类别对时延预测产生的影响考虑在内,对特定顾客进行基于队列长度的时延预测。该方法不仅扩大了队列挖掘技术的应用范围,而且针对目前队列挖掘方法在考虑多队列类型方面的不足进行了完善。(2)提出了基于队列挖掘的服务资源分配方法。服务过程中资源的分配方案是资源如何选取顾客进行服务的问题。合理的资源分配方案在指导服务运行,保证服务质量方面发挥重要的作用。但是目前关于资源分配方案的研究,在考虑资源和顾客交互方面存在一定的不足。本文提出基于队列挖掘的服务资源的分配方法,首先基于领域约束角度,根据资源和顾客的属性进行资源匹配,保证服务过程中资源分配的公平性;然后基于队列角度,考虑流程中资源和顾客的交互,挖掘服务流程中顾客的队列信息和资源的决策信息,对资源分配方案进行优化,提高分配效率。(3)提出了基于配置信息的服务交互过程模型优化方法。服务交互过程模型由服务过程中顾客和资源两方面过程模型交互构成,优化服务交互过程模型对提高资源利用率和顾客的服务体验有良好的促进作用。目前,相关的研究主要关注于资源调度或顾客行为方面,在研究服务交互过程中资源分配对顾客行为的影响方面存在一定的局限性。本文提出了基于配置信息优化服务交互模型的方法,首先提出了服务流程中顾客事件的行为轮廓,从服务流程的服务日志入手,利用行为轮廓的弱序关系分析得到顾客的行为信息;然后基于队列挖掘针对面向服务过程模型结合服务流程中资源的分配方案提出两种新的配置结构,并根据顾客行为信息,利用配置结构对服务交互过程模型进行合理性度分析与行为一致性度检测,通过优化分析获得最终的服务交互过程模型。最后通过实例分析和仿真实验验证了该方法的有效性。(本文来源于《安徽理工大学》期刊2017-06-05）
余信珂,蔡茂国,陈剑勇[4]（2016）在《基于改进的控制时延主动队列管理算法》一文中研究指出针对控制时延主动队列管理算法(CoDel)在突发数据流到来时,大量丢弃数据包,降低网络性能的问题,进行改进,提出一种概率优化的控制时延主动队列管理算法(PCoDel),加入在包进入队列时根据概率丢弃的策略,结合自适应的机制。NS2仿真结果表明,PCoDel与CoDel、sfqCoDel算法相比,在网络轻载,重载以及TCP和UDP混合流的情况下,除抖动外,在吞吐量、丢包率、时延、链路利用率、队列长度方面均有一定优势。(本文来源于《计算机工程与设计》期刊2016年08期）
余信珂[5]（2016）在《基于改进的控制时延主动队列管理算法研究》一文中研究指出主动队列管理是避免网络拥塞,提高网络服务质量(QoS)的重要方法。网络中可以利用的资源是有限的,随着网络的发展,网络中数据的流量越来越大,当业务流量超过网络所能提供的能力时,会出现网络的拥塞,导致分组丢失率增大,传输时延增大,严重时可能使整个网络系统发生崩溃。一个时常发生拥塞又无法及时恢复的网络是无法提供良好的QoS保证的。主动队列管理算法作为拥塞控制的一种有效手段,可以降低网络拥塞发生的机率,提高网络的QoS,具有重要的学术意义和实际应用价值。本文详细评述了主动队列管理算法研究的意义和国内外研究现状,深入研究了控制时延主动队列管理(CoDel)算法的优点,以及存在的不足,并且对CoDel算法提出了改进。1、提出了一种概率优化的控制时延主动队列管理算法(PCoDel)。控制时延主动队列管理算法(CoDel)是严格控制时延的,在突发数据流到来时,存在大量丢弃数据分组,降低网络性能的问题。本文对CoDel算法进行了改进,在CoDel算法的基础上,将分组在队列中的平均时延作为判断网络拥塞的依据,在分组进入队列时,根据概率进行丢弃分组的策略。2、加入了谨慎的自适应的机制,提高算法的稳定性。当平均时延增大时,相应地增大初始丢弃概率,以较大的概率丢弃数据分组;而当平均时延较小时,减小初始丢弃概率,以达到保持队列平均时延稳定的目的。在不同网络环境中的仿真实验结果表明,与传统的CoDel、sfqCoDel算法相比,PCoDel算法的平均吞吐量、丢包率、平均时延、链路利用率、平均队列长度均有优势,在平均吞吐量和丢包率方面,PCoDel算法有明显的改进。3、提出了可以适用于多种优先级,满足不同类型的业务需求,加权的概率优化控制时延主动队列管理算法(WPCoDel)。在丢弃分组时,根据不同的优先级赋予不同的丢弃概率,使得优先级较高的分组具有较小的丢弃概率,为用户提供差异化的服务。仿真实验结果表明,加权后的WPCoDel算法与未加权的PCoDel算法相比,时延、抖动、队列长度相差不大,吞吐量、链路利用率有轻微的降低,丢包率有轻微提高。WPCoDel算法与PCoDel算法相比,可以在整体性能相近的情况下,提供更加广泛的应用,为用户提供差异化的服务,使得优先级较高的分组获得较高的服务质量。并且与传统的CoDel、sfqCoDel算法相比,WPCoDel算法在端到端时延、链路利用率、队列长度方面仍然具有优势,吞吐量和丢包率有明显的改进。(本文来源于《深圳大学》期刊2016-06-30）
曹芮浩,方贤文,王晓悦[6]（2016）在《业务流程的时延预测多类型队列挖掘方法》一文中研究指出过程挖掘是业务流程管理的核心内容之一。现有的方法多是基于控制流观点进行过程挖掘的,但是在挖掘存在时延的业务流程时,此方法存在一定的局限性。目前基于队列观点进行过程挖掘的方法,为挖掘存在时延的流程提供了定量分析的技术支持,但是在多类别队列挖掘方面存在不足。笔者针对G/M/s+M,D/M/c+M和M/M/1叁种不同的队列类型提出不同的时延预测方法,并且将服务流程中不同的顾客类别对时延预测产生的影响考虑在内,对特定顾客进行基于队列长度的时延预测。同时提出了通过总结时延数据得到事件的行为信息,以此优化初始流程模型的方法。文章提出的多类别队列挖掘方法,针对目前队列挖掘方法在考虑多队列类型方面的不足进行了完善,同时能运用在优化流程模型方面。最后通过实例验证方法的有效性。(本文来源于《皖西学院学报》期刊2016年02期）
王力显,池云,潘伟杰,宿晋[7]（2016）在《基于队列管理的AOS虚拟信道平均时延仿真》一文中研究指出鉴于高级在轨系统(AOS)具有数据量大、传输速率高、容易发生拥塞的特点,本文提出一种基于自相似业务流的AOS队列管理算法,构建AOS队列管理与虚拟信道调度系统模型,从而对高级在轨系统模型进行优化,达到有效地控制拥塞、提高系统的性能的目的。最后,对各虚拟信道的平均时延进行仿真验证,比较加入队列管理前后的时延变化。(本文来源于《数字技术与应用》期刊2016年02期）
赵晓曦,池云,刘瑞冰,宿晋[8]（2016）在《基于队列管理的AOS虚拟信道最大时延仿真》一文中研究指出大量的研究证明了自相似特性在任何的网络流量中都存在,该特性不会随时间、地点或编码方式的变化而变化;这种特性可能导致严重的队列时延和分组丢失率,而且高级在轨系统(Advanced Orbiting System,AOS)具有数据量大、易产生拥塞的特点,故本文在自相似业务流下,对基于队列管理的AOS虚拟信道最大时延进行仿真研究。(本文来源于《数字技术与应用》期刊2016年01期）
钱超,徐迅,梅军,喻洁,郑建勇[9]（2015）在《应用IEEE 1588的配电网终端队列时延不对称通信路径的时钟同步补偿算法》一文中研究指出随着配电网对设备之间的同步性要求日益增高,IEEE1588精确时间协议(precision time protocol,PTP)以及网络时间协议(network time protocol,NTP)等定时协议要求对客户和服务器之间的通信路径延迟进行精确的测量,从而实现时间的精确同步。客户现场的精确时间估算是基于一种假设,即网络的物理传播时间的前向和后向时延是相等的,或者说它们之间的差异之前就已进行了相应的校准的。除了物理链路的延迟,通道上的交换/路由设备将引起定时分组排队时延。然而,该队列时延通常在前向和后向上一般并不同,因此引入了由排队引起的不对称(queue-induced asymmetry,QIA)算法作为解决主从时钟间时间误差不对称的方法。提出了一种易于应用于现有的网络设备中且不需要任何路径定时支持的基于QIA补偿的新算法,并基于OPNET仿真平台对该算法的路径时延和时间偏差进行了对比分析,充分证明了其优越性。(本文来源于《电网技术》期刊2015年12期）
于升升,葛万成,郭爱煌[10]（2015）在《基于最大加权队列的终端到终端通信时延感知跨层设计算法》一文中研究指出基于李雅普诺夫(Lyapunov)优化理论的最大加权队列(MWQ)控制策略是一种可以获得队列稳定性和最优时延性能的跨层控制方法。针对终端到终端(D2D)通信业务具有实时性和时延感知低时延的要求,MWQ算法综合考虑物理层的信道状态信息(CSI)和MAC层的队列状态信息(QSI),以最大系统吞吐量为目标函数,动态地控制D2D节点的功率。提出了基于D2D通信的MWQ算法,将MWQ算法与固定功率分配算法、基于CSI算法、基于QSI算法等已有算法进行比较。仿真结果表明,MWQ算法在数据包平均到达率高于10 Mb/s时,能减少约0.5 s的平均时延;在平均时延相同时,能减少约26 d B的功率。该算法具有使D2D通信保持低时延的良好性能,为实现低时延的D2D通信提供了一定的参考。(本文来源于《计算机应用》期刊2015年05期）
队列时延论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于长期演进(Long Term Evolution,LTE)网络与车载自组织网络(Vehicle Ad-Hoc Network,VANET)结合的异构车联网场景中,使用队列模型对簇头消息数据包的转发问题建模,提出队列稳定前提下的最小化网络时延的资源分配算法(Queue Stable-Minimum Network Delay Algorithm,QSMNDA)。QS-MNDA通过马尔科夫不等式保证队列的溢出概率小于阈值,建立最小化网络时延优化问题,利用李雅普诺夫优化方法,动态控制多时隙下的队列稳定,并采用拉格朗日对偶分解,迭代计算出各时隙下簇头车辆对于LTE各资源块上分配的功率。仿真结果表明,QS-MNDA降低整体网络时延约10%,同时实现平均簇头队列长度下降8%左右,优化整体网络的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
队列时延论文参考文献
[1].赵玉宇,程光,李昊冬,张慰慈.面向时延需求的主动队列管理方法[J].中国科学:信息科学.2019
[2].王露.异构车联网基于队列稳定的最小时延资源分配算法[J].信息技术与信息化.2017
[3].曹芮浩.基于队列挖掘的业务流程时延预测方法与应用[D].安徽理工大学.2017
[4].余信珂,蔡茂国,陈剑勇.基于改进的控制时延主动队列管理算法[J].计算机工程与设计.2016
[5].余信珂.基于改进的控制时延主动队列管理算法研究[D].深圳大学.2016
[6].曹芮浩,方贤文,王晓悦.业务流程的时延预测多类型队列挖掘方法[J].皖西学院学报.2016
[7].王力显,池云,潘伟杰,宿晋.基于队列管理的AOS虚拟信道平均时延仿真[J].数字技术与应用.2016
[8].赵晓曦,池云,刘瑞冰,宿晋.基于队列管理的AOS虚拟信道最大时延仿真[J].数字技术与应用.2016
[9].钱超,徐迅,梅军,喻洁,郑建勇.应用IEEE1588的配电网终端队列时延不对称通信路径的时钟同步补偿算法[J].电网技术.2015
[10].于升升,葛万成,郭爱煌.基于最大加权队列的终端到终端通信时延感知跨层设计算法[J].计算机应用.2015