Giả sử rằng ở cuối của hai khoảng thời gian mẫu liên tiếp, các lỗi chiều dài hàng đợi tức thời tại hai thời điểm ( ) và ( − ) so với chiều dài hàng đợi tham chiếu là: ( ) = −0.5, ( − ) = 0.5. Tại thời điểm trước ( − ), chiều dài hàng đợi dưới mức tham chiếu. Tại thời điểm tức thời ( ), chiều dài hàng đợi trên mức tham chiếu. Như vậy mức độ sử dụng chiều dài hàng đợi có xu hướng vượt ra xa mức tham chiếu . Sai lệch chiều dài hàng đợi hiện tại ( ) là một thành viên của tập mờ “NM - âm vừa” và “NS – âm nhỏ” với các giá trị phụ thuộc đều là 0.5 cho mỗi tập mờ. Sai lệch thông lượng trước
( − ) là một thành viên của tập mờ “PS - dương nhỏ” và “PM – dương vừa” với giá trị phụ thuộc
tương ứng 0.5 và 0.5. Giá trị phụ thuộc của bất kỳ tập mờ khác của hai biến đầu vào là bằng không. Với các giá trị số của các biến đầu vào được sử dụng trong ví dụ này, chỉ có các luật 12, 13, 19 và 20 của hệ suy luận đóng góp trong việc tính tốn đầu ra. Tổng hợp của tất cả bốn luật và sử dụng phương pháp giải
mờ hóa theo trọng tâm, sẽ cho giá trị đầu ra là xác suất đánh dấu/loại bỏ gói tin của bộ điều khiển ( )
= 0.832.
2.6. Cải tiến cơ chế REM bằng điều khiển mờ thích nghi AFC
Như phân tích trong Chương 1, cơ chế REM là cơ chế tiêu biểu cho các cơ chế AQM dựa trên chiều dài hàng đợi và tải nạp. Vì vậy, trong phần cải tiến cơ chế AQM bằng điều khiển mờ thích nghi AFC, đề tài cũng chọn việc cải tiến REM đại diện cho các cơ chế AQM dựa trên chiều dài hàng đợi và tải nạp. Dựa theo mơ hình này, bộ điều khiển mờ AFC của FLREM được xây dựng như sau.
Hệ mờ Sugeno sẽ đem lại ưu điểm trong giai đoạn giải mờ vì đầu ra của của các luật mờ này luôn là đầu ra rõ. Trong phần này, ta tiến hành xây dựng hệ mờ Sugeno cho cơ chế REM. Việc thiết kế hệ mờ AFC cho FLREM cũng tuân thủ theo các bước: xác định các biến đầu vào và đầu ra, mờ hóa giá trị của các biến đầu vào, mờ hóa giá trị của biến đầu ra, xây dựng hệ thống luật mờ cơ sở, giải mờ kết quả, chọn mơ hình mẫu (giá trị tham chiếu) và thiết lập cơ chế thích nghi.
2.6.1. Mờ hóa biến đầu vào của FLREM
Mục tiêu của cơ chế REM là đạt được hiệu suất sử dụng đường truyền cao, tổn thất gói tin thấp và trễ hàng đợi nhỏ. REM sử dụng một đơn vị đo lường tắc nghẽn tắc nghẽn gọi là “giá” được tính từ các tham số hoạt động của hệ thống. REM định kỳ lấy mẫu hàng đợi của bộ định tuyến và cập nhật các đơn vị đo lường tắc nghẽn để phản ánh bất kỳ sự không phù hợp giữa lưu lượng gói tin đến và đi tại mỗi liên kết (sự khác biệt về nhu cầu thông lượng so với băng thông và sự không phù hợp về chiều dài hàng đợi (sự khác biệt giữa chiều dài hàng đợi thực tế và giá trị mục tiêu tham chiếu). Dựa vào cơng thức (1.8) tính chỉ số giá tắc nghẽn của cơ chế REM để tính đơn vị đo lường tắc nghẽn tắc nghẽn
( ) tại thời điểm ( ) như sau:
( )= ( − )+ ( − ( ( ))+( − ( )))
trong đó băng thơng đường truyền tham chiếu, ( ) là lưu lượng gói tin đến, ( ) là chiều dài hàng đợi tức thời, là chiều dài hàng đợi tham chiếu, và là các hệ số để tính tốn mức độ tắc nghẽn.
Bộ điều khiển mờ AFC của FLREM cũng dựa trên biến giá ( ) đo lường sự tắc nghẽn như của giải thuật REM. Do vậy, ta sử dụng hai đầu vào, một cho mẫu ở thời điểm hiện tại (t) và một cho mẫu ở thời điểm chu kỳ trước đó (t − T). Các giá trị của (t) và (t − T) của được chuẩn hóa trong đoạn [-1,1] nhờ vào các hệ số đầu vào trong
công thức (2.33). Dựa trên hai giá trị đầu vào này, bộ điều khiển mờ sẽ quyết định giá trị xác suất đánh dấu gói tin ( ).
Để tăng độ chính xác, ta tăng số lượng hàm thuộc cho các đầu vào và ra của hệ mờ thành 9. Các giá trị của biến ngôn ngữ đầu vào được chọn để biểu thị các trường hợp xảy ra tương ứng với hai thời điểm liên tiếp và được mờ hóa bởi hàm thuộc dạng hình chng có 9 miền giá trị:
( ) = { , , , , , , , , } và ( − ) = { , , , , , , , , }.
Ý nghĩa các miền mờ được trình bày trong Bảng 2.9 như sau:
Bảng 2.9. Mờ hóa các biến đầu vào của FLREM
Miền NH NB NM NS ZE PS PM PB PH
Hình 2.14 và Hình 2.15 thể hiện hình ảnh của các miền mờ cho các biến ngõ vào (t) và (t − T) của cơ chế FLREM.
Hình 2.14. Hàm thuộc biến đầu vào ( )
Hình 2.15. Hàm thuộc biến đầu vào ( − )
Bảng 2.10 và Bảng 2.11 trình bày giá trị của các tham số trong các hàm thuộc (t) và (t − T) của cơ chế FLREM.
Bảng 2.10. Giá trị tham số các hàm thuộc của Pr( )
( ) NH
a b c
Bảng 2.11. Giá trị tham số các hàm thuộc ( − )
( − ) NH
a b c
2.6.2. Mờ hóa biến đầu ra của FLREM
Các giá trị ngôn ngữ ở biến loại bỏ gói, được xác định và thể
đầu ra của bộ điều khiển mờ đại diện cho 9 mức xác suất hiện trong Bảng 2.12 cụ thể như sau:
Bảng 2.12. Xác suất đánh dấu gói tin của FLREM
Miền Z T VS MS S B MB VB H
2.6.3. Xây dựng luật suy diễn mờ cho FLREM
Hệ suy diễn cho bộ điều khiển mờ FLREM bao gồm tập các luật – ℎ dựa theo dạng luật tổng quát trong công thức (2.32) của hệ mờ Sugeno. Do hệ mờ của FLREM có hai biến ngơn ngữ đầu vào là (t) và (t − T), mỗi biến có 9 miền giá trị mờ khác nhau nên hệ mờ của FLREM sẽ có 81 luật (9x9). Chỉ số các miền cho các biến
(t), (t − T):
{ , , , , , , , , } =
{ ( )−4, ( )−3, ( )−2, ( )−1, ( )0, ( )1, ( )2, ( )3, ( )4} và cho biến ngôn ngữ đầu ra xác suất đánh dấu gói tin ( ) là:
{ , , , , , , , , } =
{ ( )−4, ( )−3, ( )−2, ( )−1, ( )0, ( )1, ( )2, ( )3, ( )4}.
Hệ luật mờ của FLREM được xây dựng theo dạng tổng quát như sau: Nếu ( ) = ( ( )) và ( − ) = ( ( − )) thì ( ) = ( ( )) .
46
trong đó ̅̅̅̅̅̅
, = −4,4, = ( , ) = − +1, nếu − + 1 > 4
nếu − + 1 < −4 thì ( , ) = −4. Dựa trên hệ luật mờ tổng quát, xây dựng chỉ số các miền mờ cho các luật trong Bảng 2.13 như sau:
Bảng 2.13. Hệ thống chỉ số luật mờ của FLREM
( )
Căn cứ vào chỉ số các miền giá trị của các biến ngôn ngữ cho đầu vào và đầu ra trong
Bảng 2.13, xây dựng hệ thống luật cho FLREM như Bảng 2.14 như sau:
Bảng 2.14. Hệ thống luật mờ của FLREM
( ) NH NB NM ( ) NS ZE PS
( )
PM PB PH
2.6.4. Mặt cong suy diễn của FLREM
Mặt cong suy diễn FLREM được thể hiện trong Hình 2.16 đại diện rút gọn nhất cho bộ điều khiển mờ của nó.