随着Internet的飞速发展,网络规模不断扩大,结构日趋复杂,网络带宽、用户数量和网络业务不断增长。如何有效地管理网络资源,避免和控制网络拥塞,保证网络服务质量是通信网络研究的重要课题。TCP拥塞控制方法作用于源端,它根据网络丢包、延时等信息判别拥塞状况,但是其作用终究有限,完全依赖源端系统很难满足服务质量(QoS)的需求。鉴于中间节点(路由器等)包含更多的网络信息,所以引入链路算法以协助端到端拥塞控制。主动队列管理(AQM)算法在网络中间节点中对拥塞进行早期检测。通过将路由器中的队列控制在较小的数值,减小数据包排队时延和抖动的同时,可维持较高的链路利用率。本文对队列管理算法进行了深入的研究分析,对AQM的相关算法进行了改进,并提出新的AQM策略。在NS2中的仿真实验结果验证了本文算法的有效性。本文的主要研究工作如下:(1)针对随机指数标记算法(REM)存在感知拥塞能力不足,以及适应性差等问题,分析了REM的控制属性,提出了两种改进的REM算法,分别为:基于加强型价格的REM算法(EPREM)和参数动态调整的REM算法(DREM)。EPREM在原价格中增加数据包到达速率的变化率,得到PID型的改进价格,提高了队列长度的收敛速度,增强了TCP/AQM系统的响应能力。DREM引入队列因子和负载因子的概念,对队列调整状态进行实时划分,并在线调整算法的关键参数,以协助基于“和式增加积式减少(AIMD)”规则的TCP拥塞控制策略。仿真实验表明,DREM增强了AQM算法的适应性。(2)针对传统AQM算法无法适应动态网络环境的问题,提出了一种基于双模控制的AQM算法(DMC)。该算法采用分段控制策略,在瞬时队列偏差大于阈值时,采用模糊控制,反之采用REM控制,从而将模糊控制响应迅速、适应性强和REM稳态性能好的优点结合起来。仿真实验表明DMC是一种扩展性好、适应性强的AQM算法。(3)由于难以建立TCP/AQM系统的精确模型,结合神经元控制和模糊控制的优点,提出了模糊增益神经元主动队列管理算法(FN-AQM)。算法同时采用路由器队列长度以及数据流速作为拥塞度量,在检测当前拥塞信息的同时,预测未来拥塞的状况。利用神经元计算数据包标记概率,采用有监督的Hebb学习规则在线调整加权系数,同时设计模糊控制器动态调整神经元增益,以获得更好的控制性能。FN-AQM具有结构简单、易于实现、自适应能力强等优点。(4)针对传统AQM算法在动态网络中性能差的问题,提出了一种基于滑模变结构控制的鲁棒主动队列管理算法――PID-SMC。采用积分分离PID滑模面,和改进的趋近率,以改善控制品质并减小抖振。仿真实验验证了本文算法的有效性。(5)针对现有AQM算法在大时滞广域网中队列大幅振荡、链路利用率低下的问题,提出了大时滞拥塞控制算法(ISC)。ISC利用Smith预估器补偿往返时延(RTT),并利用内模控制(IMC)方法设计得到PI反馈控制器。仿真实验表明,ISC能够维持稳定的队列长度和较高的链路利用率。在ISC基础上,采用带有抗干扰环节的改进型Smith预估器,提出了一种二自由度缓存管理策略(TRBM)。利用内模控制原理设计系统的反馈控制器,以实现给定点追踪特性;采用频域分析方法设计抗干扰控制器,以保证良好的干扰抑制特性。仿真实验表明,TRBM有效克服数据流突变的干扰以及往返时延对系统性能的影响。最后对全文所做的研究工作进行了总结,并指出了有待进一步研究的问题。