网络信息时代的快速发展,促使着各种应用不断涌现。拥塞现象严重地影响着网络服务质量、有限资源利用率和网络实际运行性能。源端控制机制由于自身的局限性已经不能满足当前用户的需求,所以基于数据传输中间节点的链路算法加入到了网络拥塞控制方法中。AQM算法作为链路算法中处理拥塞问题最有效的机制,被各界研究学者所重视。为解决现有算法参数设置敏感、模型不匹配和抗扰动能力差等问题,本文在AQM控制器的研究中引入智能方法和鲁棒控制理论,提出了如下三种算法：(1)以往基于神经元PID的AQM机制,仅仅对神经元的加权系数进行一定算法修正,忽略了比例增益的取值影响。然而,比例增益是影响系统响应能力等性能的重要因子。针对此问题,本文提出了一种基于改进单神经元智能优化的AQM算法。首先建立了TCP/AQM模型,然后在有监督的Hebb算法调节加权系数的基础上,用最速下降法整定神经元PID的比例增益,最终实现控制器参数的智能优化。文中还给出了算法的稳定性分析。仿真显示与经典算法相比,有较快的响应速度。(2)针对动态多变的网络拥塞现象,为解决模型不匹配、状态时延等问题,本文提出了具有参数不确定项和时滞项模型的AQM算法。首先,用状态空间的方法表示线性化的TCP/AQM模型,并在模型中考虑参数不确定性、状态时延等因素,选取适合的李雅普诺夫函数以保证系统的稳定性,并将控制器参数的选取巧妙的转换为求解线性矩阵不定式(LMI)的方法,并且获得独立于时延的控制规律。最后的仿真结果显示,该算法的队列能够稳定在理想值附近。(3)为提高AQM控制器本身的抗干扰特性,本文提出了具有时变时延的TCP流模型的离散AQM算法。以往的鲁棒AQM控制器具有PD控制器的不足,不能消除稳态误差。本文在设计AQM控制器中加入了积分环节,把原有的控制参数增加至三个,大大地改进了控制性能。并且,在建立模型时重点考虑了状态和输入信号的时延时变性、网络参数的不确定性等问题。运用鲁棒理论,获得了与时延上下界有关的标准LMI矩阵。因此,该算法在变化的网络环境中具有出色的稳定性能。