Mô hình kết hợp logic mờ và giải thuật di truyền cho bài toán quản lý hàng đợi tích cực trên mạng tcp ip

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN PHƢƠNG HUY MƠ HÌNH KẾT HỢP LOGIC MỜ VÀ GIẢI THUẬT DI TRUYỀN CHO BÀI TỐN QUẢN LÝ HÀNG ĐỢI TÍCH CỰC TRÊN MẠNG TCP/IP LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THÔNG Hà Nội – 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN PHƢƠNG HUY MÔ HÌNH KẾT HỢP LOGIC MỜ VÀ GIẢI THUẬT DI TRUYỀN CHO BÀI TỐN QUẢN LÝ HÀNG ĐỢI TÍCH CỰC TRÊN MẠNG TCP/IP Chuyên ngành: Kỹ thuật viễn thông Mã số: 62520208 LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THÔNG NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS TS Lê Bá Dũng PGS TS Nguyễn Chấn Hùng Hà Nội –2014 LỜI CAM ĐOAN Tôi xin cam đoan: Luận án “Mô hình kết hợp logic mờ giải thuật di truyền cho tốn quản lý hàng đợi tích cực mạng TCP/IP” cơng trình nghiên cứu riêng tơi Các số liệu luận án đƣợc sử dụng trung thực, phần đƣợc công bố tạp chí khoa học chuyên ngành với đồng ý cho phép đồng tác giả Phần lại chƣa đƣợc công bố công trình khác Hà nội, ngày 20 tháng năm 2014 Tác giả luận án Nguyễn Phƣơng Huy i LỜI CẢM ƠN Tơi xin bày tỏ lịng biết ơn sâu sắc đến PGS.TS Lê Bá Dũng - Viện công nghệ thông tin PGS.TS Nguyễn Chấn Hùng - Bộ môn Hệ thống viễn thông - Viện Điện tử Viễn thông - Đại học Bách Khoa Hà Nội tận tình hƣớng dẫn, tạo điều kiện thuận lợi, giúp tơi thực hồn thành luận án Tơi xin trân trọng cảm ơn PGS.TS Vũ Văn Yêm thầy cô giáo môn Hệ thống viễn thông - Viện Điện tử Viễn thông - Đại học Bách khoa Hà nội tạo điều kiện giúp đỡ thời gian tham gia sinh hoạt khoa học môn Xin đƣợc gửi lời cảm ơn chân thành tới Ban giám hiệu Trƣờng Đại học Kỹ thuật công nghiệp - Đại học Thái nguyên, anh chị, bạn bè đồng nghiệp môn Điện tử viễn thông, Khoa Điện tử, Trƣờng Đại học Kỹ thuật công nghiệp chia sẻ động viên giúp tơi vƣợt qua khó khăn để hồn thành tốt cơng việc nghiên cứu Tơi biết ơn ngƣời thân gia đình ln bên tơi, quan tâm, động viên, tạo điều kiện thuận lợi để tơi hồn thành luận án Hà nội, ngày 20 tháng 04 năm 2014 Tác giả luận án Nguyễn Phƣơng Huy ii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT viii DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ xi DANH MỤC CÁC BẢNG BIỂU xiv MỞ ĐẦU CHƢƠNG BÀI TOÁN QUẢN LÝ HÀNG ĐỢI TÍCH CỰC TRÊN MẠNG TCP/IP… 1.1 Giới thiệu chƣơng 1.2 Mạng TCP/IP toán điều khiển tắc nghẽn 1.2.1 Truyền số liệu mạng TCP/IP 1.2.2 Các giải thuật điều khiển tắc nghẽn theo giao thức TCP 1.2.2.1 Giao thức TCP 1.2.2.2 Một số thuật ngữ 1.2.2.3 Các giải thuật tránh tắc nghẽn mạng TCP/IP 10 1.3 Quản lý hàng đợi theo phƣơng pháp truyền thống (thụ động) 12 1.4 Quản lý hàng đợi tích cực 12 1.4.1 Khái niệm quản lý hàng đợi tích cực 12 1.4.2 Phân loại phƣơng pháp quản lý hàng đợi tích cực 13 1.5 Hiện trạng nghiên cứu phƣơng pháp tiếp cận toán AQM nghiên cứu trƣớc 14 1.5.1 Các phƣơng pháp AQM dựa chiều dài hàng đợi 14 1.5.1.1 Phƣơng pháp thông báo tắc nghẽn rõ ECN 14 1.5.1.2 Cơ chế hủy bỏ sớm ngẫu nhiên RED 15 1.5.1.3 Cơ chế huỷ bỏ sớm ngẫu nhiên theo trọng số WRED 16 1.5.1.4 Giải thuật loại bỏ ngẫu nhiên sớm thích nghi .17 1.5.1.5 Giải thuật loại bỏ ngẫu nhiên sớm động - Dynamic RED 18 iii 1.5.1.6 Giải thuật loại bỏ ngẫu nhiên sớm ổn định hóa 18 1.5.1.7 Phát sớm ngẫu nhiên cân FRED 19 1.5.2 Quản lý hàng đợi tích cực dựa tốc độ lƣu lƣợng đến .20 1.5.2.1 Giải thuật BLUE 21 1.5.2.2 Giải thuật SFB .21 1.5.2.3 Giải thuật phát sớm dựa cân chọn lọc SFED 22 1.5.2.4 Giải thuật hàng đợi ảo thích nghi AVQ 23 1.5.2.5 Giải thuật hàng đợi ảo thích nghi nâng cao 24 1.5.2.6 Giải thuật Yellow 24 1.5.2.7 Bộ điều khiển tích phân tỷ lệ (Proportional Integral-PI) .24 1.5.3 Các giải thuật AQM dựa kết hợp độ dài hàng đợi kiểm soát lƣu lƣợng đến 25 1.5.3.1 Đánh dấu ngẫu nhiên theo hàm mũ (REM) 25 1.5.3.2 Giải thuật đệm ảo ổn định hóa (SVB) .26 1.5.3.3 Giải thuật AQM dựa hàng đợi trạng thái tải 27 1.5.3.4 Giải thuật Raq .27 1.5.4 Một số giải thuật AQM ứng dụng logic mờ 27 1.6 Một số vấn đề lớn tồn toán AQM 29 1.7 Lựa chọn phƣơng pháp tiếp cận toán luận án 31 1.8 Tổng kết chƣơng 32 CHƢƠNG MƠ HÌNH KẾT HỢP DI TRUYỀN MỜ VÀ ỨNG DỤNG .33 2.1 Giới thiệu chƣơng 33 2.2 Tổng quan tính tốn mềm 33 2.3 Cơ sở toán học logic mờ 34 2.3.1 Tập mờ 34 2.3.2 Các phép toán tập mờ 35 2.3.3 Luật –thì mờ 37 2.3.4 Suy diễn mờ 38 2.3.5 Một số mơ hình suy luận mờ .41 2.4 Giải thuật di truyền 43 iv 2.4.1 Giới thiệu 43 2.4.2 Các bƣớc quan trọng việc áp dụng giải thuật di truyền .44 2.4.3 Các phép toán giải thuật SGA 45 2.4.4 Cơ sở toán học GA 46 2.4.4.1 Các khái niệm ký hiệu 46 2.4.4.2 Định lý giản đồ 46 2.4.5 Đề xuất giải thuật di truyền cải tiến MGA 48 2.4.5.1 Mã hoá 49 2.4.5.2 Hàm thích nghi 50 2.4.5.3 Lai tạo 51 2.4.5.4 Đột biến 51 2.4.5.5 Đánh giá 52 2.5 Hiện trạng nghiên cứu phƣơng pháp kết hợp GA với FL 53 2.5.1 Nền tảng việc kết hợp 53 2.5.2 Phân loại kỹ thuật kết hợp 54 2.6 Đề xuất mơ hình kết hợp di truyền mờ cho toán AQM 56 2.6.1 Hệ điều khiển di truyền mờ cho toán AQM .56 2.6.2 Xây dựng điều khiển mờ cho toán AQM 57 2.6.3 Chỉnh định điều khiển mờ cho toán AQM MGA 59 2.7 Tổng kết chƣơng 61 CHƢƠNG MƠ HÌNH DI TRUYỀN MỜ CHO BÀI TOÁN CẢI TIẾN GIẢI THUẬT RED_AQM 63 3.1 Giới thiệu chƣơng 63 3.2 Xây dựng hệ mờ cho toán RED_AQM .64 3.2.1 Xác định yếu tố đầu vào điều khiển mờ AQM 64 3.2.2 Tạo mức độ hàm liên thuộc mờ cho đầu vào đầu 66 3.2.2.1 Mô tả biến ngôn ngữ .66 3.2.2.2 Lựa chọn hàm liên thuộc .67 3.2.3 Xây dựng sở quy tắc suy diễn mờ mà hệ thống hoạt động theo .68 3.2.4 Quyết định hành động đƣợc thực cho luật 70 v 3.2.5 Kết hợp luật giải mờ hóa để thu đƣợc đầu 70 3.2.6 Ví dụ minh họa tính tốn đầu điều khiển 72 3.3 Giải thuật di truyền mờ cho AQM 73 3.3.1 Sơ đồ hệ thống di truyền mờ RED – AQM 73 3.3.2 Cài đặt phép toán di truyền 73 3.3.3 Xây dựng phần mềm mô 75 3.4 Đánh giá tính ổn định giải thuật AQM mạng TCP/IP 80 3.4.1 Mơ hình động học lƣu lƣợng hành vi TCP 80 3.4.2 Hệ thống điều khiển AQM 81 3.4.3 Phân tích ổn định giải thuật AQM 83 3.4.4 Ổn định hóa luật điều khiển AQM .85 3.4.5 Kiểm chứng tính ổn định giải thuật AQM qua mô Matlab 85 3.5 Đánh giá hoạt động giải thuật FUZZGA 89 3.6 Tổng kết chƣơng 95 CHƢƠNG MƠ HÌNH DI TRUYỀN MỜ CHO BÀI TỐN CẢI TIẾN GIẢI THUẬT REM_AQM .97 4.1 Giới thiệu chƣơng 97 4.2 Nhắc lại giải thuật REM 97 4.3 Hệ mờ cho toán cải tiến giải thuật REM 98 4.4 Giải thuật di truyền cải tiến MGA cho chỉnh định hệ mờ REM 101 4.5 Mô đánh giá giải thuật FGREM mạng đơn tắc nghẽn 106 4.5.1 Lựa chọn tham số mô .106 4.5.2 Kích thƣớc hàng đợi phƣơng pháp AQM 107 4.5.3 Tốc độ đáp ứng phƣơng pháp AQM 110 4.5.4 Ảnh hƣởng trễ đến phƣơng pháp AQM 111 4.5.5 Ảnh hƣởng thông số tải đến phƣơng pháp AQM 113 4.6 Mô đánh giá giải thuật FGREM với mạng đa tắc nghẽn 114 4.6.1 Cấu trúc mạng mô 114 4.6.2 Ảnh hƣởng lƣu lƣợng tải tốc độ đáp ứng 115 4.6.3 Ảnh hƣởng trễ đến phƣơng pháp AQM 119 vi 4.7 Tổng kết chƣơng 120 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 122 DANH MỤC CÁC CƠNG TRÌNH CƠNG BỐ CỦA LUẬN ÁN 124 TÀI LIỆU THAM KHẢO 125 PHỤ LỤC A 131 PHỤ LỤC B 132 vii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Ký hiệu Tiếng Anh Tiếng Việt ACK Acknowledgement Bản tin báo nhận AI Artificial Intelligence Trí tuệ nhân tạo AIMD Additive– Increase MultiplicativeDecrease Tăng cộng giảm nhân AQM Active Queue Management Quản lý hàng đợi tích cực ARED Adaptive Random Early Detection Phát sớm ngẫu nhiên thích nghi AVQ Adaptive Virtual Queue Giải thuật hàng đợi ảo thích nghi CE Congestion Experienced Chỉ thị tắc nghẽn CWND Congestion Window Cửa sổ tắc nghẽn DRED Dynamic Random Early Detection Giải thuật loại bỏ ngẫu nhiên sớm động DT Drop Tail Cơ chế loại bỏ cuối hàng DVP Droping Probability Xác suất loại bỏ gói EAVQ Enhanced Adaptive Virtual Queue ECN Explicit Congestion Notification Thông báo tắc nghẽn rõ ràng ES Expert System Hệ chuyên gia FGREM Fuzzy Genetic Random Exponential Marking Giải thuật đánh dấu ngẫu nhiên theo hàm mũ ứng dụng hệ di truyền mờ FIFO First In First Out FIS Fuzzy Inference System Giải thuật hàng đợi ảo thích nghi nâng cao Hàng đợi phục vụ theo kiểu vào trƣớc trƣớc Hệ suy luận mờ viii DANH MỤC CÁC CƠNG TRÌNH CƠNG BỐ CỦA LUẬN ÁN [1] Nguyễn Phƣơng Huy, Lê Hoàng, Lê Bá Dũng (2010) “Ứng dụng giải thuật di truyền mờ tốn quản lý hàng ợi tích cực AQM” Tạp chí khoa học cơng nghệ Việt Nam, tập 48 số 5, trang 13-22 [2] Nguyễn Phƣơng Huy, Dƣơng Thị Mai Thƣơng, “Một ứng dụng hệ di truyền mờ quản lý hàng đợi tích cực mạng TCP/IP”, Tạp chí Nghiên cứu khoa học cơng nghệ quân 11-2012, trang 212-219 [3] Huy Nguyen Phuong, Dung Le Ba (2012), “An application of genetic fuzzy system to improve the Random Exponential Marking algorithm in Active queue Management” 5th International Conference on BioMedical Engineering and Informatics (BMEI'12), Chongqing, China, pp 1552 – 1556 [4] Cong Huu Nguyen ,Thanh Nga Thi Nguyen, Phuong Huy Nguyen (2011), “Research on the application of genetic algorithm combined with the “cleft-overstep” algorithm for improving learning process of MLP neural network with special error surface” The 7th International Conference on Natural Computation ICNC 2011 , 26-28 July 2011, Shanghai, China, Vol 1, pp 222-227 [5] Nguyễn Phƣơng Huy, Lê Bá Dũng (2009), “Tối ưu hệ mờ sử dụng giải thuật di truyền” Kỷ yếu hội nghị quốc gia số vấn đề chọn lọc công nghệ thông tin truyền thông- Đồng Nai , 05-06 tháng 9- NXB KHKT, Tr 466-475 [6] Huy Nguyen Phuong, Tuan Tran Manh , Dung Le Ba, “Phân cụm trừ mờ giải thuật di truyền ứng dụng cho toán thiết kế hệ iều khiển tự ộng từ liệu” Hội nghị toàn quốc lần thứ Cơ điện tử VCM-2012, trang 101-106 [7] Nguyễn Phƣơng Huy, Lê Bá Dũng (2010) “Cải tiến mạng ANFIS giải thuật di truyền” Tạp chí khoa học công nghệ Đại học Thái nguyên, tập 66 số 44, trang 47-51 [8] Nguyễn Phƣơng Huy, Dƣơng Thị Mai Thƣơng (2010), “Một ứng dụng c a hệ di truyền mờ tốn quản lý hàng ợi tích cực RED – AQM ” Tạp chí khoa học cơng nghệ Đại học Thái nguyên, tập 74 số 12, trang 68-73 [9] Nguyễn Phƣơng Huy, Lê Bá Dũng (2010), “Tối ưu mạng suy diễn nơ ron mờ thích nghi - ANFIS giải thuật di truyền -GA ứng dụng cho nhận dạng chữ viết” Đề tài NCKH cấp bộ, mã số B2008-TN02-10 (Đã nghiệm thu năm 2010 , đạt loại khá) [10] Huy Nguyen Phuong, Dung Le Ba, Chan Hung Nguyen (2013),“ An application of Genetic Fuzzy System in Active Queue Management for TCP/IP multiple congestion networks” 6th International Conference on BioMedical Engineering and Informatics (BMEI'13), Hangzhou, China, (Đã đƣợc chấp nhận) 124 TÀI LIỆU THAM KHẢO [1] Aderemi A Atayero, Matthew K Luka (2012), Applications of Soft Computing in Mobile and Wireless Communications International Journal of ComputerApplications (0975 – 8887) ,Volume 45– No.22, May 2012, pp 48-54 [2] Al-Said, I.A.M (2000), Genetic Algorithms Based Intelligent Control Ph.D Thesis, University of Technology, Baghdad-Iraq [3] Athuraliya S., Lapsley D E., Low S H (2001), “Random early marking for Internet congestion control” IEEE/ACM Transactions on Networking, Vol 15, No:3, pp 48-53 [4] Andrzej chydzin´ ski, Łukasz chróst (2011), Analysis of AQM queues with queue size based packet dropping Int J Appl Math Comput SCI., Vol 21, No 3, 567–577 [5] Braden B., Clark D., Crowcroft J., Davie B., Deering S., Estrin D., Floyd S., Jacobson V., Minshall G., Partridge C., Peterson L., Ramakrishnan K K., Shenker S., and Wroclawski J., (1998), “Recommendations on queue management and congestion avoidance in the internet” Internet Draft [6] C Chrysostomou, A Pitsillides, G Hadjipollas, M Polycarpou, A Sekercioglu (2004), Fuzzy logic control for active queue management in TCP/IP Networks 12th IEEE Mediterranean Conference on Control and Automation Kusadasi, Aydin, Turkey, (IEEE MED'04), pp 2-8 [7] Chrysostomou, C & Pitsillides, A (2005), Using Fuzzy Logic Control to Address Challenges in AQM Congestion Control in TCP/IP Networks Workshop on Modeling and Control of Complex Systems (MCCS‟05), (CD ROM Proceedings), [8] C Chryostomou, A Pitsillides, G Hadjipollas and others (2007), Fuzzy logic congrestion control in TCP/IP best-effort networks University of Cyprus, Monash University Melbourne, Australia, 2007, pp 2-5 [9] C Chryostomou (2006), Fuzzy logic based AQM congestion control in TCP/IP network, Department of Computer of Science, University of Cyprus [10] Chengnian Long., Bin Zhao., Xinping Guan., Jun Yang (2004), The Yellow active queue management algorithm , Computer Networks, November 2004 [11] Christiansen, M., et al (2001), Tuning RED for Web Traffic IEEE/ACM Transactions on Networking, vol 9, no 3, 249-64 [12] C V Hollot, V Misra, D Towsley, and W Gong (2000), On designing improved controllers for AQM routers supporting TCP flows Technical report, Amherst, MA, USA 125 [13] C V Hollot, V Misra, D Towsley, and W Gong (2002) Analysis and design of controllers for AQM routers supporting TCP flows IEEE Trans on Automat Control, 47:945–959, jun 2002 [14] C Wang, B Li, K Sohraby, and Y Peng (2003), AFRED: an adaptive fuzzy-based control algorithm for active queue management In Proceedings of the 28th Annual IEEE International Conference on Local Computer Networks (LCN ‟03), October 2003, pp 12– 20 [15] Dong Lin and Robert Morris (1997) Dynamics of random early detection In SIGCOMM 97: Proceedings of the ACM SIGCOMM ‟97 conference on Applications, technologies, architectures, and protocols for computer communication, New York, NY, USA, ACM Press., pp.127–137 [16] Earl Cox (2005), “Fuzzy Model and Genetic Algorythms for Data Mining and Exploration”, Morgan Kaufmann Publishers is an imprint of Elsevier, pp 484 [17] Feng W., Kandlur D., Saha D., Shin K (1999), A Self-Configuring RED Gateway In Proc IEEE INFOCOM, pp 1320–1328 [18] Feng W., Shin K G., Kandlur D D., Saha D., (2002), The BLUE active queue management algorithms IEEE/ACM Transactions on Networking, Vol.10, No:4, pp 513 – 528 [19] Floyd S., Jacobson V., (1993), Random early detection gateways for congestion avoidance IEEE/ACM Trans On Networking, Vol.1, No:4, pp 397–413 [20] Floyd, S., Gummadi, R., & Shenker, S (2001) Adaptive RED: An Algorithm for Increasing the Robustness of RED‟s Active Queue Management Technical report, ICSI [21] G D Fatta, F Hoffmann, G L Re, A Urso (2003), A Genetic Algorithm for the Design of a Fuzzy Controller for Active Queue Management Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions Aug pp 3-8 [22] Holland (1975), Genetic Algorithms in Search, Optimization and Machine Learning Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA [23] Hussein Abdel-jaber, Fadi Thabtah, Amjad M Daoud, Jafar Ababneh, Mahmoud, Baklizi (2012), Performance Investigations of Some Active Queue Management Techniques Using Simulation International Journal on New Computer Architectures and Their Applications (IJNCAA) 2(1): 287-302, The Society of Digital Information and Wireless Communications, (ISSN: 2220-9085),pp 287-302 [24] I K Tabash1, M A A Mamun, and A Negi, (2010), A Fuzzy Logic Based Network Congestion Control Using Active Queue Management Techniques J Sci Res (2), 273284 (2010) 126 [25] Jasem, H.N., Z.A Zukarnain, M Othman and S Subramaniam (2011), Efficiency and fairness of new-additive increase multiplicative decrease congestion avoidance and control algorithm J Applied Sci., 11: 438-449 [26] J Chung, M Claypool (2003), Analysis of active queue management Network Computing and Applications, Second IEEE International Symposium on Issue Date: 16-18 April, 28 May [27] Jiang, Y.B.; Han, T.; Du, H.W.; Chen, W.J.; Su, B.L.; Zheng, J.W (2012), SGNFL: An Active Queue Management Algorithm Based on Fuzzy-Logic for Network Communications in Smart Grid American Scientific Publishers, Volume 10, Number 8, December 2012 , pp 1708-1714(7) [28] Joerg Widmer., Robert Denda., Martin Mauve Prakitsche (2001), A Survey of TCP Friendly Congestion Control Informatik IV, IEEE Transactions on Network, May/June [29] Jinsheng Sun, Sammy Chan, Moshe Zukerman (2012), IAPI: An intelligent adaptive PI active queue management scheme Computer Communications Volume 35, Issue 18, November 2012, Pages 2281–2293 [30] Jyh Shing Roger Jang, Chuen Tsai Sun, Eiji Mizutani (2002), Neuro fuzzy and Soft Computing Prientice Hall International, Inc [31] J.Sun, M Zukerman, and M Palaniswami (2007), Stabilizing red using a fuzzy controller In Proceedings of the IEEE International Conference on Communications (ICC ‟07), June 2007, pp 266–271 [32] Kaur, Gurmeet; Singh, M L (2009) A Survey of Recent Advances in Fuzzy Logic in Communication Systems International Journal of Applied Engineering Research;2009, Vol Issue 2, p139 -145 [33] Khalifa, I., & Trajkovic, L (2004) An Overview and Comparison of Analytical TCP Models ISCAS 2004 [34] K Ramakrishnan, S Floyd, and D Black (2001), The Addition of ExplicitCongestion Notification (ECN) to IP RFC 3168 [35] Kunniyur, S., & Srikant, R (2004) An adaptive virtual queue (AVQ) algorithm for active queue management IEEE/ACM Transactions on Networking, vol 12, no 2, 286-299 [36] L.A Zadeh (1978), Fuzzy sets as a basis for a theory of possibility Fuzzy Sets and Systems 1, pp 3-28 [37] Lotfi A Zadeh (1994), Fuzzy logic, neural networks and soft computing Communications of the ACM, v.37 n.3, p.77-84, March 1994 [38] Lin, C T., and Lee, C.S.G (1996), Neural- Fuzzy Systems : A Neuro – Fuzzy synergism to Intelligent System Prentice Hall Intemational Inc 127 [39] Lin D., Morris R., (1997), “Dynamics of Random Early Detection” In Proc of ACM SIGCOMM, pp 127-137 [40] Lutfy, O.F., S.B Noor, M.H Marhaban, and K.A Abbas (2009.) A Genetically Trained Adaptive Neuro- Fuzzy Inference System Network Utilized as a Proportional-IntegralDerivative-like Feedback Controller for Non-linear Systems Proc IMechE, Part I: Journal of Systems and Control Engineering, 223(3): 309-321 [41] Medsker, L R (1996), Hybrid Intelligent System, KLUWER ACADEMIC PUBLISHERS, Boston/dordrech/london [42] Mehdi Galily, Farzad Habibipour Roudsari and Abdolmajid Riazi (2005), Applying Fuzzy Sliding Mode Control Based on GeneticAlgorithms to Congestion Avoidance in Computer Network International Journal of Information Technology Vol 11 No 10 2005,pp: 27-36 [43] M H Yaghmaee, H AminToosi (2003), A Fuzzy Based Active Queue Management Algorithm In the prodeeding of International Symposium on Performance Evaluation of Computer and Telecommunication Systems (SPECTS2003), 20-24 July, Montreal, Canada, pp 458-462 [44] Misra, V., Gong, W.B , & Towsley, D (2000), Fluid-based Analysis of a Network of AQM Routers Supporting TCP Flows with an Application to RED ACM/SIGCOMM‟00, 151-160 [45] M Jalili-Kharaajoo, F Habibipour Roudsari, A Dehestani, H Hashemi Fesharaki (2004), Adaptive Fuzzy Active Queue Management Islamic Azad University, pp 1-7 [46] M Yaghmaee and H Farmad (2004), Improving the loss performance of random early detection gateway using fuzzy logic control In Proceedings of the Ninth International Symposium on Computers And Communications (ISCC 2004), vol 2, Alexandria, Egypt, 2004, pp.927–232 [47] Padhye, J., Firoiu, V., Towsley, D.F., & Kurose, J.F (2000), Modeling TCP Reno Performance: A Simple Model and its Empirical Validation IEEE/ACM transactions on Networking, vol 8, no 2, 133-145 [48] Pletka R., Waldvogel M., Mannal S., (2003), PURPLE: Predictive Active Queue Management Utilizing Congestion Information, Proceedings of the 28th Annual IEEE Conference on Local Computer Networks LCN 2003, pp 1-30 [49] P Singh and S Gupta (2011), Variable length virtual output queue based fuzzy congestion control at routers In Proceedings of the 2011 IEEE 3rd International Conference on Communication Software and Networks (ICCSN), May 2011, pp 29–33 128 [50] Qian Yanping, Li Qi, Lin Xiangze, Ji Wei (2007), A Stable Enhanced Adaptive Virtual Queue Management Algorithm for TCP networks IEEE International Conference on Control and Automation, May 30 to June 1, 2007 [51] Richelle Adams (2012), Active Queue Management: A Survey, IEEE Communications surveys & tutorials, accepted for publication, pp 1-52 [52] Saeid Masoumzadeh, Kourosh Meshgi, Saeid Shiry Ghidari, Gelareh Taghizadeh (2010), FQL-RED: an adaptive scalable schema for active queue management nt J Network Mgmt, Published online in Wiley Online Library (wileyonlinelibrary.com) DOI: 10.1002/nem.755 [53] S Ghosh, Q Razouqi, H Schumacher, and A Celmins (1998), A survey of recent advances in fuzzy logic in telecommunications networks and new challenges Fuzzy Systems, IEEE Transactions on, vol 6, no 3, pp 443–447, August 1998 [54] Shao Liu, Tamer Basar, and R Srikant (2005), Exponential-red: A stabilizing AQM scheme for low- and high-speed TCP protocols IEEE/ACM Trans Netw.,13(5):pp 1068– 1081 [55] S H Low, F Paganini, and J C Doyle (2002) Internet congestion control IEEE Control Systems Magazine, Feb 2002 [56] S Masoumzadeh, G Taghizadeh, K Meshgi, and S Shiry (2009), Deep blue: A fuzzy Q-learning enhanced active queue management scheme, In Proceedings of the International Conference on Adaptive and Intelligent Systems (ICAIS ‟09), September 2009, pp 43–48 [57] S Özeskes (2005), Evaluation of Active Queue Management Algorythms, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: Sayı: Bahar, pp 4-15 [58] Srisankar S Kunniyur and R Srikant (2004), An Adaptive Virtual Queue (avq) algorithm for active queue management IEEE/ACM Trans Netw., 12(2):pp 286– 299 [59] S Ryu, C Rump, and C Qiao (2004), Advances in active queue management (AQM) based TCP congestion control Telecommunication Systems - Modeling, Analysis, Design and Management, vol 25, no 3-4, pp 317–51, 2004 [60] S T Zargar and M H Yaghmaee (2006), Fuzzy Green: A modified TCP equationbased active queue management using fuzzy logic approach International Journal of Computer Science and Network Security (5A) [61] Sundaram (2013), GA-Based PI-PD Controller for TCP Routers, International Journal of Machine Learning and Computing, Vol 3, No 4, pp 361-364) [62] Technical Specification from Cisco, Distributed Weighted Random Early Detection Online at: http://www.ciscopress.com/articles/article.asp?p=352991&seqNum=8 129 [63] Teunis J Ott, T V Lakshman, and Larry H Wong (1999), SRED: Stabilized RED In Proceedings of INFOCOM, volume 3, pp.1346–1355 [64] Thiruchelvi, G and J Raja( 2008) A survey on active queue management mechanisms Int J Comput Sci Network Secur., 8:pp 130-145 [65] T Lehto, M Laurikkala, T Ekola, H Koivisto (2004), Behavior and performance of Fuzzy-RED AQM algorithm in best-effort networks NEW2AN, Russia, pp 2-6 [66] Ulrich Bodenhofer (1996), Tuning of Fuzzy System Using Genetic Algorithms, Johannse Kepler University, pp 68,69 [67] V Misra, W Gong, and D Towsley (1999), Stochastic differential equation modeling and analysis of TCP windowsize behavior Technical report, University of Massachusetts, October 1999 [68] V Misra, W Gong, and D Towsley Fluid-based analysis of a network of AQM routers supporting TCP flows with an application to RED In SIGCOMM, pages 151–160, August 2000 [69] X Changbiao and L Fengfeng (2008), A congestion control algorithm of fuzzy control in routers In Proceedings of the Fourth International Conference on Wireless Communications, Networking and Mobile Computing (WiCOM ‟08), October 2008, pp 1– [70] Zeng, S., and He, Y (1994), Leaning and turning fuzzy logic controller through genetic algorithms Proceedings of the IEEE International Conference on Neural Nerworks, VOI III, IEEE World Congress on computational Intelligence Orlando, FL, pp 1632- 1637 130 PHỤ LỤC A Bảng A.1 Các thông số c a hệ mờ Fuzz-MGA Đầu vào Đầu vào Đầu NVB -1 -1 -0.9079 -0.7479 NB -0.7383 -0.4138 -0.3383 NS -0.427 -0.0689 -0.0269 Z -0.0832 0.1167 0.3167 PS 0.2285 0.3077 0.6285 PB 0.518 0.5199 0.918 PVB 0.7112 0.8712 1 NVB -1 -1 -0.8743 -0.6963 NB -0.811 -0.77 -0.411 NS -0.596 -0.347 -0.1085 Z -0.2472 0.0186 0.1525 PS 0.0211 0.1931 0.5261 PB 0.4277 0.7542 0.8275 PVB 0.7828 0.9122 1 Z -0.1689 -0.0352 0.0331 0.1311 T 0.0424 0.2454 0.267 VS 0.199 0.33 0.4204 S 0.341 0.455 0.5928 B 0.5237 0.6907 0.7175 VB 0.6299 0.7959 0.8448 H 0.795 0.954 1 131 PHỤ LỤC B Bảng B.1 Các tham số c a hệ mờ FGREM Đầu vào 1: Pr(k+1) Đầu vào Pr(k+1) Đầu DVP NLS -0.996 -0.2037 -0.0873 NVL -0.2063 -0.1133 -0.0661 NL -0.0992 -0.0608 -0.0291 NS -0.5 -0.25 ZO -0.0344 0.0397 PS 0 PL 0 0.1 PVL 0.0079 0.103 0.1984 PLS 0.0992 0.198 0.9974 NLS -0.991 -0.505 -0.2937 NVL -0.5 -0.321 -0.0978 NL -0.304 -0.103 -0.0555 NS -0.103 -0.0608 0.0026 ZO -0.0489 -0.0079 0.0503 PS 0.0503 0.1085 PL 0.0489 0.0977 0.331 PVL 0.0979 0.336 0.5053 PLS 0.337 0.505 0.997 MF1 0.0002 MF2 0.1015 MF3 0.1989 MF4 0.3011 MF5 0.3989 MF6 0.5012 MF7 0.6003 MF8 0.6998 MF9 0.9989 132 Bảng B.2 Các thông số c a mạng mô giải thuật AQM cho trường hợp hàng ợi ơn tắc nghẽn  TQL=200: Trễ trung bình mong muốn = 106.67 ms Trễ (ms) Tỷ lệ Hiệu suất gói Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) sử dụng tuyến (%) FGREM 103.964 10.4703 99.8123 FEM 106.088 12.4519 99.8348 PI 118.315 33.0276 0.4244 98.8463 A-RED 106.851 22.7794 0.3891 98.7503 REM 108.412 28.0588 0.4066 99.0366 AVQ 47.1218 36.9515 0.3212 98.3356  Tham số hoạt động tăng số lƣợng luồng TCP lên 100 lƣu lƣợng thay đổi 40s 70s Trễ (ms) Tỷ lệ Hiệu suất gói sử dụng Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) tuyến (%) FGREM 110.682 17.054 99.9032 REM 107.226 18.0198 99.8579 PI 132.443 65.5412 0.4888 99.1873 A-RED 109.907 29.6416 0.5532 99.101 REM 113.638 39.1538 0.4309 99.1727 AVQ 50.4622 54.035 0.2812 98.0423 133  Ảnh hƣởng trễ RTT=30 ms Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ Tỷ lệ gói (%) Hiệu suất sử dụng tuyến(%) FGREM 97.2462 13.2646 99.9379 FEM 108.628 13.9863 99.9087 PI 136.892 63.4877 0.5785 99.3589 A-RED 111.665 26.2156 0.5531 99.2546 REM 115.207 41.1171 0.4095 99.3929 AVQ 49.8061 50.6689 0.2312 98.4896 Tỷ lệ Hiệu suất gói RTT=60 ms Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) sử dụng tuyến (%) FGREM 104.862 14.6345 99.8938 FEM 106.958 17.8324 99.8202 PI 131.363 67.1745 0.4821 98.8102 A-RED 105.845 32.7532 0.4711 98.845 REM 112.428 39.1977 0.4421 98.8507 AVQ 82.3889 71.6711 0.3283 98.0544 Tỷ lệ Hiệu suất gói RTT=120 ms Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) sử dụng tuyến (%) FGREM 96.811 13.1935 0.0197 99.3999 FEM 101.791 24.595 0.0587 99.1493 PI 120.619 54.8714 0.5710 96.6545 A-RED 107.643 72.8586 0.6623 97.2307 REM 108.551 47.9312 0.54 96.81 AVQ 114.064 78.2688 0.4998 97.388 134  Ảnh hƣởng tham số tải N N=200 Trễ (ms) Các phƣơng Tỷ lệ pháp AQM Trễ trung bình Biến thiên trễ gói(%) Hiệu suất sử dụng tuyến (%) FGREM 104.87 16.5335 99.7073 FEM 107.226 21.4704 99.3708 PI 145.643 85.6685 1.0002 96.2272 A-RED 113.245 53.3526 1.7302 97.1189 REM 116.324 50.1678 0.8197 97.5635 AVQ 99.9365 82.451 0.7324 97.4594 Tỷ lệ gói N=300 Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) Hiệu suất sử dụng tuyến (%) FGREM 106.998 19.8036 0.0141 99.6487 FEM 111.789 24.921 0.0467 99.3708 PI 168.336 96.1661 1.6844 96.8265 A-RED 121.406 53.9254 7.1029 92.2064 REM 125.397 63.2632 0.9878 96.5299 AVQ 85.5621 82.0189 0.6815 97.6436 Tỷ lệ Hiệu suất gói N=400 Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) sử dụng tuyến (%) FGREM 112.904 27.3255 0.1977 99.4016 FEM 117.492 30.672 0.2617 99.3708 PI 182.658 99.7121 2.8003 96.6581 A-RED 136.438 58.6286 9.6396 89.9494 REM 135.146 75.5271 1.5239 95.3615 AVQ 92.4287 86.0364 0.8241 97.6074 135 N=500 Trễ (ms) Tỷ lệ gói Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) Hiệu suất sử dụng tuyến (%) FGREM 115.658 29.6026 0.2285 99.4016 FEM 119.774 32.589 0.4486 99.176 PI 194.926 94.263 4.2534 94.9312 A-RED 137.639 62.1417 12.8078 86.3599 REM 143.59 82.5935 2.2148 93.0091 AVQ 98.6865 92.8825 0.7385 97.8981 Bảng B.3 Các thông số c a mạng mô giải thuật AQM cho trường hợp hàng ợi a tắc nghẽn  Ảnh hƣởng tham số tải N N=250 (N1 =100; N2 =50; N3 =100); Các thông số đƣợc mơ tả theo Hình 4.15 Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ Tỷ lệ gói Hiệu suất sử dụng (%) tuyến (%) FGREM 107.965 13.3976 0.0505 99.9221 FEM 110.142 15.465 0.0746 99.8398 PI 153.372 76.5447 0.9228 97.9236 A-RED 117.151 26.7366 5.8595 92.9017 REM 120.768 55.6621 0.6266 97.8185 AVQ 37.38 41.0328 0.4566 98.5185 136 N=650 (N1 =500; N2 =50; N3 =100); Các thông số đƣợc mơ tả theo Hình 4.15 Trễ (ms) Các phƣơng pháp AQM Trễ trung bình Tỷ lệ gói Biến thiên trễ (%) Hiệu suất sử dụng tuyến (%) FGREM 109.101 19.19 0.0818 99.7959 FEM 111.686 21.097 0.1248 99.7 PI 205.689 75.6117 2.4554 96.2529 A-RED 166.447 45.3763 12.5862 85.933 REM 138.092 80.7177 1.3415 97.5289 AVQ 76.5818 85.8386 0.2473 98.6083 N=800 (N1 =500; N2 =100; N3 =200); Các thông số đƣợc mơ tả theo Hình 4.15 Trễ (ms) Trễ trung bình Biến thiên trễ (%) Hiệu suất sử dụng tuyến (%) FGREM 110.291 18.0042 0.1305 99.906 FEM 114.731 20.2234 0.1903 99.8897 PI 225.536 55.9564 3.5969 95.9272 A-RED 158.637 51.1306 13.7141 84.9337 REM 144.416 85.6001 1.6605 97.6005 AVQ 54.3616 46.9617 0.3138 96.6161 Các phƣơng pháp AQM Tỷ lệ gói 137  Ảnh hƣởng trễ RTT=120ms Trễ (ms) Tỷ lệ gói Hiệu suất Trễ trung bình Biến thiên trễ (%) sử dụng tuyến (%) FGREM 112.566 29.422 0.0867 99.691 FEM 117.072 36.3435 0.1593 99.264 PI 187.408 91.8562 2.2534 97.8723 A-RED 133.818 59.8348 9.6572 89.6885 REM 135.155 76.1241 1.4314 96.5 AVQ 83.282 71.168 0.6537 96.4253 Tỷ lệ gói Hiệu suất Các phƣơng pháp AQM RTT=200ms Trễ (ms) sử dụng Các phƣơng pháp AQM Trễ trung bình Biến thiên trễ (%) tuyến (%) FGREM 112.584 32.1819 0.01862 99.2368 FEM 110.233 41.8518 0.4035 99.0631 PI 169.641 102.217 2.3633 94.9466 A-RED 138.163 80.2847 7.7069 90.9705 REM 127.189 73.2957 1.7192 94.5524 AVQ 87.2154 81.7053 0.6793 97.4958 138 ... DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN PHƢƠNG HUY MƠ HÌNH KẾT HỢP LOGIC MỜ VÀ GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN QUẢN LÝ HÀNG ĐỢI TÍCH CỰC TRÊN MẠNG TCP/ IP Chuyên ngành: Kỹ thuật. .. dụng kết hợp thêm giải thuật quản lý tắc nghẽn phía mạng Một số giải thuật quản lý hàng đợi nhằm quản lý chiều dài hàng đợi định tuyến cách loại bỏ gói cần thiết Kỹ thuật truyền thống để quản lý. .. hai toán sau đây:  Bài toán : Kết hợp MGA FL hệ di truyền mờ ứng dụng cho toán quản lý hàng đợi tích cực dựa chiều dài hàng đợi Về chất, phƣơng pháp cải tiến hoạt động giải thuật RED nhƣ phƣơng