CN103139090A - 互联网中的模糊离散全局滑模拥塞控制方法 - Google Patents
互联网中的模糊离散全局滑模拥塞控制方法 Download PDFInfo
- Publication number
- CN103139090A CN103139090A CN2013100539008A CN201310053900A CN103139090A CN 103139090 A CN103139090 A CN 103139090A CN 2013100539008 A CN2013100539008 A CN 2013100539008A CN 201310053900 A CN201310053900 A CN 201310053900A CN 103139090 A CN103139090 A CN 103139090A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- sliding mode
- congestion control
- internet
- global sliding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种互联网中的模糊离散全局滑模拥塞控制方法。属于互联网拥塞控制领域。该方法为解决互联网中的拥塞现象,将T-S模糊控制和离散全局滑模控制相结合,共同进行互联网的拥塞控制。首先通过选择模糊规则和隶属函数,对非线性的网络拥塞控制***建立T-S模糊模型,并通过引入带有时变时滞的不确定项来代表网络参数的变化,然后利用LMI设计渐近稳定的离散全局滑模面,消除了***的趋近过程,并且所设计的控制器能够有效降低***的抖振现象。本发明在较宽的网络参数变化范围内,仍然具有良好的鲁棒性。
Description
技术领域
本发明属于互联网拥塞控制领域。
背景技术
随着千兆以太网、光纤网等技术的广泛应用,互联网正逐步进入下一代高速互联阶段,我国的各行各业,尤其是国有大中型企业,为了实现越来越多的信息交换,更离不开高速互联网的参与。然而随着互联网规模的急剧膨胀,拥塞现象时有发生,为解决拥塞问题,近年来,相继出现了许多拥塞控制方法。在文献On the design of AQM supporting TCP flows usingrobust control theory(IEEE Transactions on Automatic Control,2004,49(6):1031-1036)中,作者基于H∞控制理论,对时滞的网络拥塞控制***进行了主动队列管理控制器的设计,其性能优于传统的RED和PI控制器。在文献A prediction-based active queue management for TCPnetworks(IEEE Symposium on Computers and Communications,2012:271-276)中,作者提出的控制方法α_SNFAQM能够***出拥塞的发生,使路由器中的队列长度保持稳定。
但由于互联网是由分布在世界各地的各种不同型号、不同功能的计算终端、路由器及链路组成的,这些设备千差万别,不确定性因素如影随形,因此控制方法的鲁棒性或者说健壮性就显得尤为重要。而离散滑模控制中的滑动模态只与滑模面的具体形式有关,即使***本身中含有不确定性因素,只要滑模面的数学表达式是确定的,则滑模面上的滑模运动就与这些不确定性因素无关,具有理想的鲁棒性,这一特点使得滑模控制特别适用于互联网的拥塞控制。近年来,相继出现了一些滑模拥塞控制方法。在文献Active queue management(AQM)forTCP/IP networks using discrete time sliding mode control(DSMC)(Proceedings of the 2005 IEEEConference on Control Applications,Toronto,Canada,2005:727-730)中,作者设计了离散滑模AQM控制器,有效地抑制了不确定和时滞因素的影响,一定程度上提高了网络的服务质量。在文献Sliding mode based AQM for robust control of IP based network(International Conferenceon Control,Automation and Systems,Kintex,Korea,2011:149-154)中,作者利用滑模理论和LMI技术,对带有非匹配不确定和时滞的网络***设计了SMC控制器,对时变因素具有较好的鲁棒性。在文献Discrete-time sliding-mode congestion control in multisource communicationnetworks with time-varying delay(IEEE Transactions on Control Systems Technology,2011,19(4):852-867)中,作者考虑到了网络中的时变时滞因素,设计了离散滑模AQM控制器,在可用带宽范围内降低了数据包的丢失率。
然而上述文献中的方法却大都存在着各自的不足,如有的方法是针对连续时间***提出的;有的方法中的抖振现象过于明显;有的方法没有综合考虑不确定和时滞因素的影响;有的方法是针对线性网络拥塞控制模型提出的,模型精度不高等等。总之,该领域仍有一定的研究空间。
发明内容
本发明的目的在于提出一种模糊离散全局滑模拥塞控制方法,用以解决互联网中的拥塞现象,从而减少丢包率、缩短端到端的队列时延,提高网络的服务质量。本发明的特征在于该方法含有如下步骤:
(A)初始化W(t),q(t),N(t),C(t),R(t)和p(t)网络参数,初始值分别表示为W0,q0,N,C,R0和p0;其中:W(t)代表TCP网络的窗口大小,q(t)代表路由器中当前的队列长度,N(t)代表激活的连接数,C(t)代表主干链路容量,R(t)代表往返时延,0≤p(t)≤1代表分组丢弃/标记概率,W0代表TCP网络窗口的期望值,q0代表路由器中期望的队列长度,N,C和R0分别为N(t),C(t)和R(t)的标称值,p0=2N2/(R0 2C2);
(B)以0.002s为采样周期对进入到路由器中的数据帧进行采样;
(C)如果采样时间未到,则等待,如果采样时间已到,则读取W(t),q(t),N(t),C(t),R(t)和p(t)的数值;
(D)对于如式(1)所示的非线性的网络拥塞控制***
其中:
通过选择两条模糊规则进行T-S模糊建模;所述的两条模糊规则是:
规则1:如果W(t)在W0附近并且q(t)在q0附近,那么
规则2:如果W(t)在W0附近并且q(t)在拥塞路由器的最大缓存附近,那么
(E)对两条模糊规则的数学表达式进行离散化处理,并在模型中引入带有时变时滞的不确定项,以此来代表N(k),C(k)和R(k)的实际变化所带来的不确定性因素;
(F)对两条模糊规则的数学表达式中的x(k)作线性变换,使之变为z(k);
(G)通过选择隶属函数Τij(zj(k)),从而得到全局模糊状态方程;
(H)利用LMI确定出渐近稳定的离散全局滑模面S(k)的具体表达式;
(I)利用步骤(G)中的全局模糊状态方程、步骤(H)中的离散全局滑模面S(k)、离散趋近律和采样时得到的具体的网络参数,得到模糊离散全局滑模拥塞控制器u(k)的具体数值;
(J)如果步骤(I)中u(k)的具体数值在-p0和1-p0之间,则该数值维持不变,如果该数值小于-p0,则u(k)=-p0,如果该数值大于1-p0,则u(k)=1-p0;
(K)以u(k)+p0为概率对进入到路由器中的数据包进行丢弃/标记处理,并以该概率向发送端返回带有拥塞指示标记的应答包。
本发明与现有方法相比,具有以下优势:
(1)鲁棒性强。因为滑模控制最大的优势就是滑模运动具有不变性,不变性又称为理想鲁棒性,这种特性更能够适应时变的互联网环境。本方法使用的是离散全局滑模控制,消除了离散***的趋近过程,使***运动的全程都是离散滑模运动,因此鲁棒性强。
(2)模型精度高。该方法基于非线性网络拥塞控制模型,在该模型基础上通过选择模糊规则和隶属函数进行T-S模糊建模,而不是基于线性网络拥塞控制模型设计控制方法,同时在模型中引入了带有时变时滞的不确定项来等效网络参数的变化。因此,该方法所基于的数学模型的精度高。
总之,本发明将T-S模糊控制和离散全局滑模控制相结合,共同进行互联网的拥塞控制。首先通过选择模糊规则和隶属函数,对非线性的网络拥塞控制***建立T-S模糊模型,并通过引入带有时变时滞的不确定项来代表网络参数的变化,然后利用LMI设计渐近稳定的离散全局滑模面,消除了***的趋近过程,并且所设计的控制器能够有效降低***的抖振现象。本发明在较宽的网络参数变化范围内,仍然具有良好的鲁棒性,从而能够保证网络具有较高的带宽利用率和较低的端到端时延。
附图说明
图1仿真网络拓扑结构图。
图2网络的静态性能。
图3激活的连接数变化时的鲁棒性能。
图4主干链路容量变化时的鲁棒性能。
图5往返时延变化时的鲁棒性能。
图6各网络参数均变化时的鲁棒性能。
具体实施方式
实施例1
现有文献给出了非线性的互联网拥塞控制模型,如下所示:
其中:
对式(1)进行T-S模糊模型建模,选择如下的两条模糊规则:
规则1:如果W(t)在W0附近并且q(t)在q0附近,那么
规则2:如果W(t)在W0附近并且q(t)在拥塞路由器的最大缓存附近,那么
其中:A1,A2和B的取值是依据现有文献中的方法得到的,即
对式(2)和式(3)进行离散化处理,并引入不确定项来代表N(k),C(k)和R(k)的实际变化所带来的不确定性因素(N(k),C(k),R(k)分别为N(t),C(t),R(t)所对应的离散值),则式(2)和式(3)化为
x(k+1)=Gix(k)+Hu(k)+μ1iFi(k)x(k)+μ2iFdi(k)x(k-τ(k)) (i=1,2) (4)
其中: μ2i=0.25μ1i,T=0.002s为采样周期,-p0≤u(k)≤1-p0,Gi(k)的计算公式同Gi,只是它是根据变化的N(k),C(k)和R(k)得到的,N1和N2是N(k)变化的上下界,C1和C2是C(k)变化的上下界,R1和R2是R(k)变化的上下界(这些上下界的具体数值应根据网络监控部门以往对网络进行长期监控得到的结果而定),Fi(k)和Fdi(k)为不确定项,并分别满足Fi T(k)Fi(k)≤I,
对式(4)中的x(k)作如下的线性变换:
则式(4)可化为如下的形式:
选择隶属函数Τij(zj(k))(这里i=1,2,j=1,2)为如下的形式:
Τ11(z1(k))=arctg(-z1 2)+π/2,Τ12(z2(k))=arctg(-z2 2)+π/2,Τ21(z1(k))=arctg(-z1 2)+π/2,
则可得到如下与式(6)相对应的全局模糊状态方程:
其中:
离散全局滑模面S(k)选定为
S(k)=Lz(k)-Lz(0)=-lz1(k)+z2(k)+Ψ1l-Ψ2 (8)
其中:L=[-l 1],Ψ1=z1(0),Ψ2=z2(0),为使该滑模面上的滑模运动渐近稳定,l由如下的LMI确定:
利用现有文献中的离散趋近律S(k+1)=(1-qT)S(k)-εT(1-e-‖z(k)‖)signS(k)(这里使q=20,ε=5)及式(7)和式(8)可得模糊离散全局滑模拥塞控制器u(k)为
其中:
根据式(10)和采样得到的网络参数即可求出u(k)的具体数值,如果该数值在-p0和1-p0之间,则该数值维持不变,如果该数值小于-p0,则u(k)=-p0,如果该数值大于1-p0,则u(k)=1-p0,由于该控制器使***在稳态时,其运行轨迹与离散全局滑模面的距离同5T||z(k)||成正比,而稳态时5T||z(k)||的数值很小,因此,稳态时的抖振现象很小,反映在拥塞控制中,即该控制器能够有效抑制控制目标(即路由器中的队列长度)的稳态振荡。
我们假定N(t)的标称值为300,且在200至400之间随机变化;C(t)的标称值为2×104packets/s((1packet为1000bit,即C=20Mbps),且在12Mbps至28Mbps之间随机变化;R(t)的标称值为130ms,且在80ms至180ms之间随机变化。TCP窗口的最大值取为15packets,TCP窗口的期望值取为8packets,TCP窗口的初始值取为4packets,路由器的最大缓存为600packets,期望的队列长度取为350packets,初始的队列长度取为55packets。
由上述网络参数得p0=2.6627×10-8,根据式(2)和式(3)得 θ=(2.5×105,0),根据式(4)得 μ11=5.3845,μ12=6.2035,μ21=1.3461,μ22=1.5509,根据式(5)和式(6)得 取 αi,βi,αdi和βdi均为0到1之间的随机数。根据式(8)和式(9)得L=[1.5027 1],将上述参数代入式(10)中,可得控制器u(k)确定的数学表达式,即得到了模糊离散全局滑模拥塞控制方法。为了叙述方便,将该方法命名为FDGSMC方法。
本发明的FDGSMC方法可以概括为如下步骤:
(A)初始化W(t),q(t),N(t),C(t),R(t)和p(t)网络参数,初始值分别表示为W0,q0,N,C,R0和p0;其中:W(t)代表TCP网络的窗口大小,q(t)代表路由器中当前的队列长度,N(t)代表激活的连接数,C(t)代表主干链路容量,R(t)代表往返时延,0≤p(t)≤1代表分组丢弃/标记概率,W0代表TCP网络窗口的期望值,q0代表路由器中期望的队列长度,N,C和R0分别为N(t),C(t)和R(t)的标称值,p0=2N2/(R0 2C2);
(B)以0.002s为采样周期对进入到路由器中的数据帧进行采样;
(C)如果采样时间未到,则等待,如果采样时间已到,则读取W(t),q(t),N(t),C(t),R(t)和p(t)的数值;
(D)对于如式(1)所示的非线性的网络拥塞控制***进行T-S模糊建模,建立如式(2)和式(3)所示的两条模糊规则;
(E)对式(2)和式(3)进行离散化处理,并在模型中引入带有时变时滞的不确定项,以此来代表N(k),C(k)和R(k)的实际变化所带来的不确定性因素,则式(2)和式(3)可以表示为式(4);
(F)对式(4)中的x(k)作如式(5)所示的线性变换,则式(4)可化为式(6)的形式;
(G)选择隶属函数Τij(zj(k)),得到对应于式(6)的全局模糊状态方程式(7);
(H)利用式(8)和式(9)确定出渐近稳定的离散全局滑模面S(k)的具体表达式;
(I)利用式(7)、式(8)、离散趋近律及采样时得到的具体的网络参数,得到模糊离散全局滑模拥塞控制器u(k)的具体数值;
(J)如果步骤(I)中的u(k)的具体数值在-p0和1-p0之间,则该数值维持不变,如果该数值小于-p0,则u(k)=-p0,如果该数值大于1-p0,则u(k)=1-p0;
(K)以u(k)+p0为概率对进入到路由器中的数据包进行丢弃/标记处理,并以该概率向发送端返回带有拥塞指示标记的应答包。
我们利用NS2网络仿真软件对FDGSMC方法进行了仿真。仿真网络的拓扑结构如图1所示,数据分组在A端和B端之间发送,路由器A为拥塞结点,我们的FDGSMC方法工作在其中。首先,测试了该方法的静态性能,即网络参数的选择如前所述,只是假定N(t)为300,C(t)为20Mbps,R(t)为130ms,即均为各自的标称值,且都不发生变化,仿真结果如图2所示。从图2中可以看出:FDGSMC方法使我们的控制目标,即路由器中的队列长度很快收敛到期望值附近,并且整个过程的超调量很小,稳态时队列长度基本上达到了期望值。由于在实际的互联网中,网络参数是经常变化的,因此,FDGSMC方法对变化的网络参数所具有的鲁棒性能的好坏是非常重要的,为此,接下来我们将激活的连接数N(t),主干链路容量C(t)及往返时延R(t)分别在200至400之间、12Mbps至28Mbps之间、80ms至180ms之间随机变化,仿真结果分别如图3、图4和图5所示。从图3至图5中可以看出:在开始阶段,路由器中的队列长度有一些振荡,但经过较短的调整时间后,队列长度很快便能够收敛到期望值附近,由于FDGSMC方法能够满足有效降低抖振的离散趋近律的要求,因此,队列长度的稳态振荡都比较小。最后,在各个网络参数均在上述变化范围内随机变化的情况下,进行了仿真试验,结果如图6所示。从图6中可以看出:在各个网络参数均发生变化的情况下,FDGSMC方法仍然能够使路由器中的队列长度收敛到期望值附近,只是由于不确定性因素较大,因此调整时间和稳态振荡略有增加。总之,FDGSMC方法的静态性能和鲁棒性能都很优良,能够适应时变的互联网环境,从而能够有效抑制拥塞现象。
Claims (1)
1.一种互联网中的模糊离散全局滑模拥塞控制方法,其特征在于包括如下步骤:
(A)初始化W(t),q(t),N(t),C(t),R(t)和p(t)网络参数,初始值分别表示为W0,q0,N,C,R0和p0;其中:W(t)代表TCP网络的窗口大小,q(t)代表路由器中当前的队列长度,N(t)代表激活的连接数,C(t)代表主干链路容量,R(t)代表往返时延,0≤p(t)≤1代表分组丢弃/标记概率,W0代表TCP网络窗口的期望值,q0代表路由器中期望的队列长度,N,C和R0分别为N(t),C(t)和R(t)的标称值,p0=2N2/(R0 2C2);
(B)以0.002s为采样周期对进入到路由器中的数据帧进行采样;
(C)如果采样时间未到,则等待,如果采样时间已到,则读取W(t),q(t),N(t),C(t),R(t)和p(t)的数值;
(D)对于如式(1)所示的非线性的网络拥塞控制***
其中:
通过选择两条模糊规则进行T-S模糊建模;所述的两条模糊规则是:
规则1:如果W(t)在W0附近并且q(t)在q0附近,那么
规则2:如果W(t)在W0附近并且q(t)在拥塞路由器的最大缓存附近,那么
(E)对两条模糊规则的数学表达式进行离散化处理,并在模型中引入带有时变时滞的不确定项,以此来代表N(k),C(k)和R(k)的实际变化所带来的不确定性因素;
(F)对两条模糊规则的数学表达式中的x(k)作线性变换,使之变为z(k);
(G)通过选择隶属函数Τij(zj(k)),从而得到全局模糊状态方程;
(H)利用LMI确定出渐近稳定的离散全局滑模面S(k)的具体表达式;
(I)利用步骤(G)中的全局模糊状态方程、步骤(H)中的离散全局滑模面S(k)、离散趋近律和采样时得到的具体的网络参数,得到模糊离散全局滑模拥塞控制器u(k)的具体数值;
(J)如果步骤(I)中u(k)的具体数值在-p0和1-p0之间,则该数值维持不变,如果该数值小于-p0,则u(k)=-p0,如果该数值大于1-p0,则u(k)=1-p0;
(K)以u(k)+p0为概率对进入到路由器中的数据包进行丢弃/标记处理,并以该概率向发送端返回带有拥塞指示标记的应答包。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100539008A CN103139090A (zh) | 2013-02-20 | 2013-02-20 | 互联网中的模糊离散全局滑模拥塞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100539008A CN103139090A (zh) | 2013-02-20 | 2013-02-20 | 互联网中的模糊离散全局滑模拥塞控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103139090A true CN103139090A (zh) | 2013-06-05 |
Family
ID=48498416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100539008A Pending CN103139090A (zh) | 2013-02-20 | 2013-02-20 | 互联网中的模糊离散全局滑模拥塞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103139090A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354526A (zh) * | 2013-07-09 | 2013-10-16 | 辽宁大学 | 分数阶全局滑模互联网拥塞控制方法 |
CN112737435A (zh) * | 2020-12-24 | 2021-04-30 | 沈阳工程学院 | 一种基于t-s模糊滑模控制的步进电机抗干扰*** |
CN114615199A (zh) * | 2022-04-25 | 2022-06-10 | 曲阜师范大学 | 一种tcp网络拥塞控制方法、装置、终端及可读存储介质 |
CN115334002A (zh) * | 2022-06-29 | 2022-11-11 | 沈阳理工大学 | 流量预测下结合改进队列管理算法的aos智能帧生成方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594681A (zh) * | 2012-02-16 | 2012-07-18 | 清华大学 | 以太网中滑模变结构拥塞控制方法 |
-
2013
- 2013-02-20 CN CN2013100539008A patent/CN103139090A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594681A (zh) * | 2012-02-16 | 2012-07-18 | 清华大学 | 以太网中滑模变结构拥塞控制方法 |
Non-Patent Citations (5)
Title |
---|
MING YAN等: "Congestion Control over Internet with Uncertainties and Input Delay Based on Variable Structure Control Algorithm", 《PROCEEDING OF THE 2007 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》, 8 August 2007 (2007-08-08) * |
MING YAN等: "Robust Discrete-time Sliding Mode Control Algorithem for TCP Networks Congestion Control", 《TELSIKS 2007》, 28 September 2007 (2007-09-28) * |
王宏伟等: "一类不确定离散网路***的全局滑模控制", 《***工程与电子技术》, 30 June 2011 (2011-06-30) * |
闫明等: "AQM中基于T-S模型的滑模控制及仿真", 《***仿真学报》, 31 March 2008 (2008-03-31) * |
闫明等: "不确定时滞TCP网路中基于T-S模型的滑模AQM算法", 《控制与决策》, 31 January 2012 (2012-01-31) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354526A (zh) * | 2013-07-09 | 2013-10-16 | 辽宁大学 | 分数阶全局滑模互联网拥塞控制方法 |
CN112737435A (zh) * | 2020-12-24 | 2021-04-30 | 沈阳工程学院 | 一种基于t-s模糊滑模控制的步进电机抗干扰*** |
CN114615199A (zh) * | 2022-04-25 | 2022-06-10 | 曲阜师范大学 | 一种tcp网络拥塞控制方法、装置、终端及可读存储介质 |
CN114615199B (zh) * | 2022-04-25 | 2023-10-13 | 曲阜师范大学 | 一种tcp网络拥塞控制方法、装置、终端及可读存储介质 |
CN115334002A (zh) * | 2022-06-29 | 2022-11-11 | 沈阳理工大学 | 流量预测下结合改进队列管理算法的aos智能帧生成方法 |
CN115334002B (zh) * | 2022-06-29 | 2024-04-26 | 沈阳理工大学 | 流量预测下结合改进队列管理算法的aos智能帧生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Stability and Hopf bifurcation of a class of TCP/AQM networks | |
CN103139090A (zh) | 互联网中的模糊离散全局滑模拥塞控制方法 | |
CN107124158A (zh) | 基于对数量化的无线传感器网络滤波信息处理***及方法 | |
CN103354526A (zh) | 分数阶全局滑模互联网拥塞控制方法 | |
CN107947988A (zh) | 一种实时通信网络仿真*** | |
Dey et al. | Estimating network link characteristics using packet-pair dispersion: A discrete-time queueing theoretic analysis | |
CN114584494A (zh) | 一种边缘云网络中测量实际可用带宽的方法 | |
CN101997776B (zh) | 基于拥塞辨识的路由器队列控制***的控制方法 | |
CN111079948B (zh) | 一种基于sdn的分布式机器学习训练加速方法 | |
CN105959167A (zh) | 一种基于贪心算法的全局优化sdn测量方法 | |
Li et al. | Event triggered control for multi-agent systems with packet dropout | |
CN113515066B (zh) | 一种非线性多智能体***动态事件触发控制方法 | |
CN103095601A (zh) | 一种用于通信网络拥塞控制的主动队列管理方法 | |
Wang et al. | Delays analysis for teleoperation over Internet and Smith predictor with adaptive time-delay control | |
Ke et al. | Internet-of-Things monitoring system of robot welding based on software defined networking | |
CN112486114A (zh) | 一种基于预测的执行器饱和多智能体全局一致性方法 | |
Wang et al. | TSN switch queue length prediction based on an improved LSTM network | |
Dueck et al. | Raspberry Pi based testbed verifying TrueTime network model parameters for application in distributed active turbulent flow control | |
Liu et al. | Consensus of multi-agent systems with time-varying delay | |
Liu et al. | Distributed fixed-time consensus algorithms for second-order multi-agent systems under directed topology: A motion-planning approach | |
CN103986633A (zh) | 基于1394b多子网传输结构的子网划分方法 | |
CN103118078A (zh) | P2p流量的识别方法和设备 | |
Deng et al. | Finishing the tiny flows quickly for common data centre services | |
Zhang et al. | SDN Multi-Domain Routing for Knowledge-Defined Networking | |
Wang et al. | Leader-following consensus for second-order multi-agent systems with directed switching topologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130605 |