网络中的一个数据包，在源端产生，经过中间节点的传输，最终被终端接收，终端发出确认包给源端。在这一个过程中，源端、中间节点、终端的工作状态都会对这个数据包能否顺利地传输产生影响。65333

面对网络拥塞问题，人们最初想到的是在源端寻求解决问题的方法。V Jacobson在1988年发表了文献，提出了基于发送端滑动窗口的TCP端到端拥塞控制算法，这是一种基于流的拥塞控制机制，采用和式增加积式减少(Additives Increase Multiplicative Decrease，AIMD)的方法。之后端节点上的拥塞控制算法得到了大量学者的极大关注，出现了很多不同版本的TCP拥塞控制算法。例如：Tahoe、Reno、New—Reno、Vegas等等。这些机制对避免发生网络拥塞起到了重要的作用。并且其中的一些设计思想也对后来的研究者提供了很多的启发。但是在端节点上进行拥塞控制也有许多的局限和不足。例如：不能保证公平性，加重端节点的负担，不能适应网络自身状态的变化，被动地进行拥塞控制等等。另外，随着互联网业务的发展，为了满足实时多媒体流的传输，出现了很多新的网络协议，这些非TCP协议数据流在传输过程中会最大限度地索取带宽，不对自己的数据发送速率进行控制，这些数据流不受TCP端节点的拥塞控制的约束，相对于TCP数据流，这些流占有不公平的优势。论文网

当人们在端节点上做出了很多的尝试与努力之后，发现仍然无法很好的解决网络拥塞问题，于是开始重新考虑自己的出发点是否正确，既仅仅在端节点上进行拥塞控制是否就可以很好的解决网络拥塞问题。渐渐地，人们将目光转向了中间节点。在数据包传输过程中，中间节点也是起着很重要的作用。除了可以在端节点上进行拥塞控制，也可以在中间节点上进行拥塞控制。起初人们以为是中间节点的硬件资源不足，致使中间节点的处理能力不足，无法及时的处理大量的数据包。于是人们增加各种硬件资源，包括增加路由器缓冲区的大小、提高出口带宽、提高处理器的速度等等。在采取这些措施之后，网络拥塞得到了一定程度的缓解，但是依然存在，甚至在有些情况下更严重。于是人们又开始重新审视自己的思路。最终人们发现，不是端节点或者中间节点单独产生了网络拥塞，而是二者共同产生了网络拥塞。源端提供的负载超过了中间节点的处理能力时，暂时无法被转发的数据包就会积累在路由器的缓冲区当中，队列增长，由此而导致网络延时增加。当缓冲区满了之后，路由器就会被迫丢弃数据包，而源端根据TCP协议，重传被丢弃的数据包。这进一步增加了网络中间节点的负担。并且队列过长导致网络的延时过长，致使一部分数据包在缓冲区中排队等候的时间太长，TCP源端误认为该数据包已经被中间节点丢弃，对这些数据包进行重新发送，由此而导致网络负载进一步加重。所以一味地增加中间节点的各项硬件资源，是不能根本解决网络拥塞的，甚至可能会加剧网络拥塞的程度。

Braden等人在1998年提出了主动队列管理技(Active Queue Management AQM)，这里的“主动”二字是相对于之前路由器“被动”地丢弃数据包而言的。在此之前，路由器一直使用一种很简单的队尾丢弃原则：当缓冲区满了之后才开始丢弃数据包，而这时拥塞已经发生了。AQM的思想就是：在路由器缓冲区尚未满之前，主动地进行数据包的丢弃，并通知源端降低发送速率，以此来避免拥塞的发生，从而降低丢包率，提高链路的实际吞吐量，改善网络的综合性能。其中，最著名的AQM算法当属S Flyod等人提出的随机早期检测RED(Random Early Detection)算法。然而RED算法作为一种早期的AQM算法也存在很多问题。例如：算法对参数设置十分敏感，如果参数设置与网络环境之间匹配程度很低，该算法并不能起到很好的拥塞控制效果。因为是使用平均队列长度来表示拥塞程度，因此不能有效地估计实际拥塞程度。存在公平性问题等等。很多学者在此之后提出了一些RED算法的改进版本以及一些其他的AOM算法。RED算法的改进版本有gentle．RED算法、Self-configuration RED算法、adaptive—RED算法等等，其他的AQM算法包括：BLUE算法、REM算法等等。不过这些算法缺乏系统的理论分析，因此自适应性和稳定性较差，当网络状态大幅波动的情况下，性能依然不够理想。在网络拥塞机制研究的发展历史上，人们关注的焦点从源端走向中问节点是第一次重要变革。第二次重要变革就是将整个网络系统视作一个被控系统，把成熟的控制理论引入到拥塞控制算法的没计之中，为网络拥塞算法的设计提供了大量的素材。2001年C．Hollot等人将经典控制理论引入到AQM算法的设计之中，提出了用于网络拥塞控制的PI算法。由于PI算法本身的特性，使得该算法的响应时间比较长，于是人们又引入了微分环节，相继出现了PID算法和PD算法，微分环节的引入使得系统的响应时间缩短，超调量降低。但是面对具有强时变性、强非线性的计算机网络，微分环节会放大这些特性对算法性能的影响。模糊算法也被引入到网络拥塞控制算法的设计之中，提出了一种基于模糊控制的主动队列管理算法，该算法使用一个二入一出的模糊控制器，两个输入量分别为输入速率和队列长度的变化，输出量为丢弃率的增量。为了能够容纳突发数据流，对输入速率采取加权滑动平均的办法，两个输入量的模糊化均采取非均匀分割。文献12提出了一种将模糊算法和PI算法相结合的新算法，该算法使用一个模糊控制器对PI算法的两个参数进行实时的自适应调整。