Luận án Nghiên cứu cải tiến cơ chế điều khiển tại các nút mạng

Tên luận án:

NGHIÊN CỨU CẢI TIẾN CƠ CHẾ ĐIỀU KHIỂN TẠI CÁC NÚT MẠNG

Ngành:

KHOA HỌC MÁY TÍNH

Tóm tắt nội dung tài liệu:

Luận án này tập trung vào nghiên cứu và cải tiến cơ chế điều khiển tắc nghẽn tại các nút mạng, đặc biệt là các cơ chế Quản lý hàng đợi tích cực (AQM) trong mạng TCP/IP. Với sự phát triển không ngừng của Internet, vấn đề tắc nghẽn là không thể tránh khỏi, đòi hỏi các giải pháp kiểm soát hiệu quả để đảm bảo hoạt động tin cậy và chất lượng dịch vụ. Luận án chỉ ra rằng các phương pháp kiểm soát tắc nghẽn truyền thống và các cơ chế AQM hiện có còn nhiều nhược điểm, như sử dụng hàm tuyến tính, khó thích nghi với môi trường mạng phi tuyến và động học, cũng như phụ thuộc vào các tham số tĩnh và kiến thức chuyên gia.

Để khắc phục những hạn chế này, luận án đề xuất áp dụng các kỹ thuật Tính toán mềm (Soft Computing) bao gồm logic mờ và mạng nơ-ron để tăng cường khả năng thích nghi, học hỏi và ra quyết định thông minh cho các hệ thống AQM. Mục tiêu chính là: (1) Nghiên cứu, đánh giá các cơ chế AQM hiện có và cải tiến chúng bằng logic mờ; (2) Xây dựng mô hình điều khiển mờ thích nghi (Adaptive Fuzzy Controller - AFC) để cải tiến AQM, giải quyết tính phi tuyến và động học của mạng; và (3) Tích hợp lập luận mờ với mạng nơ-ron để phát triển bộ điều khiển mạng nơ-ron mờ (Fuzzy Neural Network - FNN) nhằm tối ưu hóa các tham số của AFC, từ đó nâng cao hiệu năng quản lý hàng đợi tích cực.

Phương pháp nghiên cứu kết hợp lý thuyết và mô phỏng kiểm chứng bằng phần mềm Matlab và NS2. Các đóng góp chính của luận án bao gồm việc phân lớp và đánh giá các cơ chế AQM, đề xuất mô hình AFC để cải tiến các cơ chế như FLRED và FLREM, và xây dựng mô hình FNN để tối ưu hóa hiệu năng của các cơ chế FNNRED và FNNREM. Kết quả mô phỏng cho thấy hiệu năng kiểm soát hàng đợi tích cực được cải thiện đáng kể khi áp dụng các bộ điều khiển mờ truyền thống, sau đó là điều khiển mờ thích nghi AFC và cuối cùng là điều khiển mờ tối ưu FNN, thể hiện qua độ ổn định hàng đợi, tỉ lệ mất gói và mức độ sử dụng đường truyền. Hướng phát triển trong tương lai là tiếp tục cải tiến bộ điều khiển mờ tối ưu FNN và khám phá sự kết hợp với các công cụ tính toán tiến hóa để xây dựng các cơ chế AQM mới, đồng thời nhấn mạnh việc thử nghiệm trong môi trường mạng thực.

Mục lục chi tiết:

• CHƯƠNG 1. KIỂM SOÁT TẮC NGHẼN TRONG MẠNG TCP/IP DỰA TRÊN QUẢN LÝ HÀNG ĐỢI TÍCH CỰC
  • 1.1. Kiểm soát tắc nghẽn trong mạng TCP/IP
    • 1.1.1. Mô hình hoạt động của TCP/IP
      • 1.1.1.1. Mô hình truyền thông trong mạng TCP/IP
      • 1.1.1.2. Mô hình toán học của TCP/IP
    • 1.1.2. Tắc nghẽn trong mạng TCP/IP
      • 1.1.2.1. Nguyên nhân tắc nghẽn
      • 1.1.2.2. Nguyên lý kiểm soát tắc nghẽn
      • 1.1.2.3. Kỹ thuật kiểm soát tắc nghẽn
    • 1.1.3. Kiểm soát tắc nghẽn của giao thức TCP
    • 1.1.4. Kiểm soát tắc nghẽn bằng quản lý hàng đợi
    • 1.1.5. Quản lý hàng đợi tích cực
      • 1.1.5.1. Kiến trúc nút mạng
      • 1.1.5.2. Kiểm soát tắc nghẽn bằng quản lý hàng đợi tích cực
      • 1.1.5.3. Ưu điểm của quản lý hàng đợi tích cực
    • 1.1.6. Kỹ thuật thông báo tắc nghẽn rõ ràng
  • 1.2. Phân tích và đánh giá các cơ chế quản lý hàng đợi tích cực
    • 1.2.1. Cơ chế quản lý dựa trên chiều dài hàng đợi
      • 1.2.1.1. Cơ chế RED
      • 1.2.1.2. Cơ chế FRED
    • 1.2.2. Cơ chế quản lý dựa trên tải nạp
      • 1.2.2.1. Cơ chế BLUE
      • 1.2.2.2. Cơ chế SFB
    • 1.2.3. Cơ chế quản lý dựa trên chiều dài hàng đợi và tải nạp
      • 1.2.3.1. Cơ chế REM
      • 1.2.3.2. Cơ chế GREEN
    • 1.2.4. Đánh giá hiệu năng và phân lớp ứng dụng các cơ chế AQM
      • 1.2.4.1. Đánh giá hiệu năng cơ chế AQM
      • 1.2.4.2. Phân lớp ứng dụng các cơ chế AQM
    • 1.3. Tình hình ứng dụng logic mờ trong quản lý hàng đợi tích cực
      • 1.3.1. Các cơ chế dùng logic mờ cải tiến RED
        • 1.3.1.1. Cơ chế FEM
        • 1.3.1.2. Cơ chế FCRED
      • 1.3.2. Các cơ chế dùng logic mờ cải tiến BLUE
        • 1.3.2.1. Cơ chế FUZZY BLUE
        • 1.3.2.2. Cơ chế DEEP BLUE
      • 1.3.3. Các cơ chế dùng logic mờ cải tiến REM
        • 1.3.3.1. Cơ chế FREM
        • 1.3.3.2. Cơ chế FUZREM
      • 1.3.4. Cải tiến cơ chế quản lý hàng đợi dùng điều khiển mờ
        • 1.3.4.1. Cải tiến cơ chế BLUE
        • 1.3.4.2. Cải tiến cơ chế SFB
    • 1.4. Một số tồn tại trong các cơ chế quản lý hàng đợi tích cực
    • 1.5. Kết luận chương
  • CHƯƠNG 2. CẢI TIẾN CƠ CHẾ QUẢN LÝ HÀNG ĐỢI TÍCH CỰC DỰA TRÊN ĐIỀU KHIỂN MỜ THÍCH NGHI
    • 2.1. Cơ sở toán học của logic mờ
      • 2.1.1. Tập mờ
      • 2.1.2. Các dạng hàm thuộc của tập mờ
      • 2.1.3. Các thông số đặc trưng cho tập mờ
      • 2.1.4. Các phép toán trên tập mờ
      • 2.1.5. Luật hợp thành mờ
      • 2.1.6. Giải mờ
      • 2.1.7. Điều khiển mờ
        • 2.1.7.1. Mô hình điều khiển mờ
        • 2.1.7.2. Hệ mờ Mamdani
        • 2.1.7.3. Hệ mờ Sugeno
    • 2.2. Phân tích các cơ chế AQM sử dụng logic mờ
      • 2.2.1. Phân tích cơ chế FEM
      • 2.2.2. Phân tích cơ chế FUZREM
      • 2.2.3. Một số vấn đề còn tồn tại của cơ chế AQM dùng điều khiển mờ
    • 2.3. Xây dựng mô hình điều khiển mờ thích nghi AFC cải tiến AQM
      • 2.3.1. Đề xuất bộ điều khiển mờ thích nghi AFC cải tiến AQM
        • 2.3.1.1. Mô hình điều khiển mờ thích nghi AFC
        • 2.3.1.2. Hoạt động của bộ điều khiển mờ thích nghi AFC
      • 2.3.2. Xác định các biến đầu vào và đầu ra cho AFC
      • 2.3.3. Xây dựng bộ điều khiển mờ cho AFC
        • 2.3.3.1. Hệ số đầu vào
        • 2.3.3.2. Mờ hóa đầu vào
        • 2.3.3.3. Hệ luật cơ sở suy diễn mờ
        • 2.3.3.4. Giải mờ đầu ra
      • 2.3.4. Xây dựng mô hình mẫu cho AFC
      • 2.3.5. Xây dựng cơ chế thích nghi cho AFC
    • 2.4. Cải tiến cơ chế RED bằng điều khiển mờ thích nghi AFC
      • 2.4.1. Mờ hóa biến đầu vào của FLRED
      • 2.4.2. Mờ hóa biến đầu ra của FLRED
      • 2.4.3. Xây dựng luật cơ sở suy diễn mờ cho FLRED
      • 2.4.4. Mặt cong suy diễn của FLRED
      • 2.4.5. Minh họa tính toán đầu ra hệ thống mờ FLRED
    • 2.5. Cải tiến cơ chế REM bằng điều khiển mờ thích nghi AFC
      • 2.5.1. Mờ hóa biến đầu vào của FLREM
      • 2.5.2. Mờ hóa biến đầu ra của FLREM
      • 2.5.3. Xây dựng luật suy diễn cho FLREM
      • 2.5.4. Mặt cong suy diễn của FLREM
    • 2.6. Mô phỏng đánh giá hiệu quả của cơ chế FLRED và FLREM
      • 2.6.1. Cài đặt mô phỏng các cơ chế FLRED và FLREM
        • 2.6.1.1. Cài đặt chương trình cho các cơ chế FLRED và FLREM
        • 2.6.1.2. Qui trình mô phỏng và đánh giá các cơ chế AQM
        • 2.6.1.3. Các tiêu chí đánh giá hiệu năng các cơ chế AQM
      • 2.6.2. Đánh giá độ ổn định các cơ chế FLRED và FLREM
        • 2.6.2.1. Mô hình mạng đơn máy nhận
        • 2.6.2.2. Kiểm soát hàng đợi của các cơ chế FLRED và FLREM
        • 2.6.2.3. Khả năng đáp ứng của các cơ chế FLRED và FLREM
      • 2.6.3. Đánh giá hiệu năng các cơ chế FLRED và FLREM
        • 2.6.3.1. Mô hình mạng đa máy nhận
        • 2.6.3.2. Đánh giá tỉ lệ mất gói tin của cơ chế FLRED và FLREM
        • 2.6.3.3. Đánh giá mức độ sử dụng đường truyền của cơ chế FLRED và FLREM
    • 2.7. Kết luận chương
  • CHƯƠNG 3. TÍCH HỢP LẬP LUẬN MỜ VỚI MẠNG NƠ-RON NÂNG CAO HIỆU NĂNG QUẢN LÝ HÀNG ĐỢI TÍCH CỰC
    • 3.1. Tổng quan mạng nơ-ron nhân tạo
      • 3.1.1. Đơn vị xử lý (nơ-ron)
        • 3.1.1.1. Liên kết trong mạng nơ-ron
        • 3.1.1.2. Quá trình học của mạng nơ-ron
      • 3.1.2. Mạng nơ-ron truyền thẳng một lớp
        • 3.1.2.1. Mạng Perceptron một lớp
        • 3.1.2.2. Quá trình học mạng nơ-ron truyền thẳng một lớp
      • 3.1.3. Mạng nơ-ron truyền thẳng nhiều lớp
        • 3.1.3.1. Thuật toán học lan truyền ngược
        • 3.1.3.2. Huấn luyện mạng theo thuật toán lan truyền ngược
    • 3.2. Kết hợp điều khiển mờ với mạng nơ-ron
      • 3.2.1. Nền tảng của sự kết hợp
      • 3.2.2. Các mô hình kết hợp
    • 3.3. Xây dựng mô hình mạng nơ-ron mờ FNN cải tiến cơ chế AQM
      • 3.3.1. Đề xuất bộ điều khiển mạng nơ-ron mờ FNN cải tiến AQM
        • 3.3.1.1. Mô hình mạng nơ-ron mờ FNN
        • 3.3.1.2. Hoạt động của bộ điều khiển nơ-ron mờ FNN
      • 3.3.2. Xây dựng bộ điều khiển nơ-ron mờ FNN
        • 3.3.2.1. Tạo nơ-ron mờ cho FNN
        • 3.3.2.2. Xây dựng mạng nơ-ron mờ FNN
        • 3.3.2.3. Huấn luyện mạng nơ-ron mờ FNN
        • 3.3.2.4. Chỉnh định tham số hàm thuộc của AFC
      • 3.3.3. Cải tiến thuật toán lan truyền ngược
        • 3.3.3.1. Chuẩn hóa số liệu đầu vào ra
        • 3.3.3.2. Bổ sung hệ số quán tính
        • 3.3.3.3. Điều chỉnh tốc độ học
        • 3.3.3.4. Thuật toán lan truyền ngược cải tiến
    • 3.4. Xây dựng cơ chế quản lý hàng đợi tích cực FNNRED
      • 3.4.1. Cài đặt cơ chế FNNRED
      • 3.4.2. Huấn luyện mạng FNN trong FNNRED
      • 3.4.3. Kết quả huấn luyện của FNN trong FNNRED
    • 3.5. Xây dựng cơ chế quản lý hàng đợi tích cực FNNREM
      • 3.5.1. Cài đặt cơ chế FNNREM
        • 3.5.1.1. Huấn luyện mạng FNN trong FNNREM
      • 3.5.2. Kết quả huấn luyện của FNN trong FNNREM
    • 3.6. Mô phỏng đánh giá hiệu quả của cơ chế FNNRED và FNNREM
      • 3.6.1. Đánh giá độ ổn định của cơ chế FNNRED và FNNREM
        • 3.6.1.1. Kiểm soát hàng đợi của cơ chế FNNRED và FNNREM
        • 3.6.1.2. Khả năng đáp ứng của cơ chế FNNRED và FNNREM
      • 3.6.2. Đánh giá hiệu năng của cơ chế FNNRED và FNNREM
        • 3.6.2.1. Đánh giá tỉ lệ mất gói tin của cơ chế FNNRED và FNNREM
        • 3.6.2.2. Đánh giá sử dụng đường truyền của cơ chế FNNRED và FNNREM
    • 3.7. Kết luận chương
  • KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
    • Kết luận của luận án
    • Hướng phát triển của luận án