随着互联网规模日益增大,高速网络中多媒体应用的发展,网络用户对网络服务质量(QOS)的需求越来越高,不但对网络带宽有很高的要求,而且对信息传输的延时和抖动等也有较高的要求,以提供端到端的QoS控制和保证。而网络拥塞是影响网络服务质量的重要因素,实施拥塞控制也是其它QoS机制正常工作的必要前提。因此,如何避免拥塞、如何进行拥塞控制保证QoS是当前的研究热点。然而,近年来一系列的测量结果表明,网络业务流量显示自相似、长相关性,原有网络流量是短相关(SRD)的基础性假设被推翻,网络业务的自相似性特征对网络的分析、设计、控制和性能评价等均有重大的影响。传统的网络模型在描述实际网络业务时,忽略了这个重要的特性,不能真实地刻画网络业务的真实情况。首先,本文对网络拥塞机制进行研究。主动式队列管理机制(AQM)是IETF推荐的基于路由器拥塞控制的关键技术,它和TCP端到端的拥塞控制相结合,是解决目前Internet拥塞控制问题的一个主要途径。然后,本文对自相似、长相关理论以及估计Hurst指数的方法与实现进行了研究。通过实验比较及理论分析得出EBP(Embedded Branching Process)方法优于7种传统方法的结论。同时,介绍了NS2的仿真原理并利于NS2仿真实现自相似数据流量。最后,本文在对RED算法以及自相似理论详细研究的基础上对RED算法进行改进,并在模糊分布的升半柯西分布和EBP方法的基础上提出一种适应自相似网络环境的队列管理算法一基于升半柯西分布和Hurst指数自适应RED算法-CHARED(ascending semi-Cauchy distribution and Hurst coefficients AdaptiveRandom Early Detection)。该算法利用业务流的长相关性来预测未来时间段的业务流量对网络的需求情况,动态调节队列算法的丢包概率函数,能充分利用网络资源,有效的避免拥塞。通过NS2网络仿真器对所提出的CHARED算法进行了仿真实验分析,结果表明该算法能有效地减小时延、降低丢包率和网络抖动,具有较好的实用性。