网络影响着整个世界的发展,不管是互联网还是物联网,以及现阶段火热的人工智能、云计算和大数据,这些前沿技术领域的发展都离不开一个好的网络服务平台,要使网络能够做好时代经济发展的坚实后盾,网络在大数据时代就必须要有一个强大的数据传输能力,而网络拥塞控制就是提高网络传输能力的关键点,所以如何避免数据拥塞就成为了一个当前值得研究的课题方向。本文主要针对队列管理算法中的RED(Random Early Detection)算法进行改进研究,首先针对RED算法容易出现全局同步的现象,本文提出一种模糊控制的自适应RED改进算法。其次针对RED算法所存在的参数敏感性问题,本文提出了一种具有参数自适应动态调整功能的RED算法。本文的主要内容如下:1.提出一种基于模糊控制的参数自适应RED改进算法—FARED。在RED算法基础上,对RED算法的三个变量参数进行优化,三个变量参数分别为:速率、平均队列长度和当前队列长度。对每一个参数变量用模糊控制器优化,并对每一个模糊控制器进行数值的量化,最后进行模糊控制器整合,通过加入参数?和?对各控制器进行权重的配比,最后输出一个精确的丢包率。由于模糊控制器主要是针对不同变量参数进行优化,所以具有参数自适应调整的机制,从而提高网络的性能。2.提出了一种基于参数自适应动态调整的RED算法—DARED算法。算法的改进主要分为两步,其一是针对RED算法的丢弃概率函数是线性的这一问题,利用S型升半哥西分布函数对传统RED算法的丢包率函数非线性处理,其二是针对传统RED算法的参数都是静态设定的缺陷,利用目标队长的范围和平均队列长度的关系引入参数自适应动态调整策略对最大丢包率进行改进,从而改善DARED算法的性能。3.本文两种算法均在NS2中进行仿真,仿真结果表明FARED算法在丢包率,平均队列长度,延时抖动,吞吐量方面的性能均有比较好的改善效果,而且对RED算法存在的全局同步现象也有一定的改善。DARED算法除了延时和延时抖动有轻微的增加外,在丢包率、吞吐量、平均队列长度这三个性能方面都有较大的改善,并且对RED算法存在的参数敏感性问题进行了较好的改善。