期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
区分服务网络的协作可调整RED算法
1
作者 王茜 隆克平 +1 位作者 程时端 张润彤 《电子与信息学报》 EI CSCD 北大核心 2003年第2期158-163,共6页
文章描述了一种适用于区分服务网络的新的RED改进算法——协作可调整RED算法(CARED)。算法的思想是基于令牌桶标记器的标记概率建立业务实际速率与承诺速率间的定量关系,并以这个关系动态调整下游节点中CARED的丢包概率。为了实现CARED... 文章描述了一种适用于区分服务网络的新的RED改进算法——协作可调整RED算法(CARED)。算法的思想是基于令牌桶标记器的标记概率建立业务实际速率与承诺速率间的定量关系,并以这个关系动态调整下游节点中CARED的丢包概率。为了实现CARED,文章还提出了一种标记概率的计算方法——基于包数的滑动窗口测量算法(NSWM)。文中通过详实的仿真实验证明了定量关系的正确性,同时验证了CARED算法不仅为区分服务提供了有效的拥塞控制功能,也保障了区分服务的不同性能要求。 展开更多
关键词 区分服务网络 协作可调整red算法 随机早期丢包 拥塞控制 承诺速率 INTERNET 因特网
在线阅读 下载PDF
基于两色标记器的协作可调整RED算法 被引量:2
2
作者 王茜 隆克平 +2 位作者 程时端 乐辉华 张润彤 《北京邮电大学学报》 EI CAS CSCD 北大核心 2002年第3期7-11,共5页
在区分服务网络中提出与两色标记器协作的 RED改进算法——协作可调整 RED算法(CARED) .通过对两色令牌桶标记器的流量特性进行分析 ,获得了标记概率与服务实际速率 /承诺速率间的定量关系 ,并根据这个关系调节 CARED中的丢包概率基数 ... 在区分服务网络中提出与两色标记器协作的 RED改进算法——协作可调整 RED算法(CARED) .通过对两色令牌桶标记器的流量特性进行分析 ,获得了标记概率与服务实际速率 /承诺速率间的定量关系 ,并根据这个关系调节 CARED中的丢包概率基数 .为便于实现 CARED算法 ,还提出了一种基于包数的滑动窗口标记概率测量算法 (NSWM) .仿真实验证明了 CARED算法不仅为区分服务网络提供了有效的拥塞控制功能 ,同时保障了区分服务的性能要求和公平性 . 展开更多
关键词 两色标记器 协作可调整 red算法 服务质量 区分服务 随机早期丢包 CAred
在线阅读 下载PDF
一种模糊自调整的PD-RED算法 被引量:4
3
作者 魏涛 张顺颐 《计算机工程与应用》 CSCD 北大核心 2007年第5期124-126,162,共4页
RED算法作为第一代主动队列管理技术,能够有效地控制队列长度。然而RED算法在实现中存在着其队列长度依赖于流量负载的变化,网络性能对参数敏感的问题。论文将模糊控制技术与比例微分控制方法相互结合,采用模糊控制器在线调整比例微分... RED算法作为第一代主动队列管理技术,能够有效地控制队列长度。然而RED算法在实现中存在着其队列长度依赖于流量负载的变化,网络性能对参数敏感的问题。论文将模糊控制技术与比例微分控制方法相互结合,采用模糊控制器在线调整比例微分控制器参数的方法实现RED算法控制。仿真结果证明,所提出的模糊自调整的PD-RED算法动态响应快,稳态误差小,能够使队列保持期望队列长度。 展开更多
关键词 red算法 队列长度 模糊控制 比例微分 调整
在线阅读 下载PDF
基于进化算法优化的多Agent系统协作模型
4
作者 殷凡 牛丽 《科技通报》 北大核心 2015年第11期207-210,共4页
针对差分进化算法在多Agent系统协作时容易过早的收敛到局部极小点,从而导致寻优性能不佳的问题,本文提出了一种基于参数自适应调整差分进化算法的多Agent系统协作模型,首先对标准差分进化算法的参数进行自适应调整,在选择阶段如果子代... 针对差分进化算法在多Agent系统协作时容易过早的收敛到局部极小点,从而导致寻优性能不佳的问题,本文提出了一种基于参数自适应调整差分进化算法的多Agent系统协作模型,首先对标准差分进化算法的参数进行自适应调整,在选择阶段如果子代的适应度值差于相应的父代个体,调整相应的差分进化控制参数,然后将改进算法应用于多Agent系统的协作中,以提高其协作的性能。算法仿真试验结果表明,本文提出的基于参数自适应调整差分进化算法的多Agent系统协作模型相比较传统算法而言,具有较好的寻优能力和协作性能。 展开更多
关键词 差分进化算法 多AGENT系统 协作模型 参数优化 自适应调整
在线阅读 下载PDF
考虑可变旋转参数的机器人多轴孔装配强化学习策略
5
作者 鄢智超 周勇 +1 位作者 胡楷雄 李卫东 《计算机集成制造系统》 北大核心 2025年第3期815-827,共13页
针对目前机器人多轴孔装配学习策略严重依赖人工示教数据,导致训练效率低和场景适应性差等问题,提出一种考虑可变旋转参数的机器人多轴孔装配强化学习策略。首先,提出一种可变旋转参数的姿态调整模型,据此采集多轴孔接触力学信息与姿态... 针对目前机器人多轴孔装配学习策略严重依赖人工示教数据,导致训练效率低和场景适应性差等问题,提出一种考虑可变旋转参数的机器人多轴孔装配强化学习策略。首先,提出一种可变旋转参数的姿态调整模型,据此采集多轴孔接触力学信息与姿态调整动作的对应关系数据,以此作为装配技能的预训练学习数据。进而,提出一种改进深度确定性策略梯度(DDPG)强化学习算法,通过多因素稀疏奖励函数对装配动作进行合适的奖励评价以提高学习效率和成功率。最后,在仿真和实验平台上进行了多轴孔电子元器件装配的案例研究,结果表明,所提方法具有良好的场景适应性,相对经典强化学习方法能有效提高装配的学习效率和成功率,同时明显减小了装配接触力/力矩。 展开更多
关键词 协作机器人 多轴孔装配 姿态调整模型 改进深度确定性策略梯度算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部