在过去的二十年中,计算机网络经历了爆炸式的增长,随之而来的是越来越严重的拥塞问题。拥塞控制是确保Internet鲁棒性的关键因素,也是其它服务质量机制正常工作的必要前提,因此成为当前网络研究的一个热点问题。其中,AQM(Active Queue Management)技术是研究拥塞控制领域的一个热点研究方向。AQM策略能够在高吞吐量和低时延之间做出合理的平衡,从控制系统的角度分析,这是典型的调节系统整体性能的行为。控制理论是一门相当成熟的系统理论,有诸多方法可以借鉴到拥塞控制中,来提高拥塞控制性能。首先,本文分析了目前常采用的拥塞控制机制,介绍了具有代表性的AQM算法,并分析了引入智能控制来改善拥塞控制的可行性。其次,在深入研究分析PI(Proportional Integral)控制器的基础上,将模糊控制与PI控制器相结合,提出了一种基于模糊控制的拥塞控制算法AFPI(Adaptive Fuzzy Proportional Integral),并从模糊化、模糊推理、清晰化三方面给予了详细的阐述。然后,研究了再励学习RL(Reinforcement Learning)的相关技术,利用其中的瞬时差分TD(Temporal Difference)法结合二重梯度下降法,并引入了拥塞控制信号优先传递的思想,提出了适用于网络中间节点拥塞控制的PRL(Priority Reinforcement Learning)算法。最后,在NS(Network Simulation)仿真平台上,模拟仿真了上述算法的队列长度稳定性、鲁棒性、公平性和RTT(Round Trip Time)多方面性能,并分析讨论了实验结果,验证了AFPI算法和PRL算法的可行性。