隨著網(wǎng)絡技術(shù)的日益發(fā)展，計算機網(wǎng)絡的擁塞問題已極大地影響了用戶的使用體驗與數(shù)據(jù)傳遞。單一地提高硬件設備的投入并不能持續(xù)地防止網(wǎng)絡的擁塞。因此，近年來相繼出現(xiàn)了許多擁塞的控制算法，其中比較常見的為基于速率的擁塞控制算法。這些算法根據(jù)端點間的數(shù)據(jù)反饋進行流控制，即控制網(wǎng)絡的信源速率、接收速率或瓶頸節(jié)點的容量。但這些擁塞控制算法通常在低速交換的網(wǎng)絡中才能發(fā)揮擁塞控制效果，在高速交換的網(wǎng)絡中往往會出現(xiàn)數(shù)據(jù)延時，進而造成網(wǎng)絡的動態(tài)不穩(wěn)定。而神經(jīng)網(wǎng)絡憑借其良好的自我學習與硬件兼容特點，使其在計算機網(wǎng)絡性能分析、控制以及人工智能等領域進行交叉和有機結(jié)合，以適應人們?nèi)找姘l(fā)展網(wǎng)絡建模及性能分析的需要。為解決在不同交換速度下的網(wǎng)絡中保持網(wǎng)絡的數(shù)據(jù)傳遞效果，結(jié)合神經(jīng)網(wǎng)絡與擁塞控制算法，進而實現(xiàn)網(wǎng)絡擁塞控制最大化的控制效果。

　　本文在模糊神經(jīng)網(wǎng)絡的基礎上對網(wǎng)絡的擁塞進行預測與控制，提出一種具有自我調(diào)節(jié)能力的擁塞控制算法。根據(jù)神經(jīng)網(wǎng)絡中的隊列長度對網(wǎng)絡進行擁塞預測，實時地反饋于信源并對其速率進行控制，為實現(xiàn)網(wǎng)絡的自適應調(diào)節(jié)，此外，通過網(wǎng)絡的遞增參數(shù)和遞減參數(shù)等變量動態(tài)調(diào)節(jié)發(fā)送速率。