隨著網絡技術的日益發展，計算機網絡的擁塞問題已極大地影響了用戶的使用體驗與數據傳遞。單一地提高硬件設備的投入并不能持續地防止網絡的擁塞。因此，近年來相繼出現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。這些算法根據端點間的數據反饋進行流控制，即控制網絡的信源速率、接收速率或瓶頸節點的容量。但這些擁塞控制算法通常在低速交換的網絡中才能發揮擁塞控制效果，在高速交換的網絡中往往會出現數據延時，進而造成網絡的動態不穩定。而神經網絡憑借其良好的自我學習與硬件兼容特點，使其在計算機網絡性能分析、控制以及人工智能等領域進行交叉和有機結合，以適應人們日益發展網絡建模及性能分析的需要。為解決在不同交換速度下的網絡中保持網絡的數據傳遞效果，結合神經網絡與擁塞控制算法，進而實現網絡擁塞控制最大化的控制效果。

　　本文在模糊神經網絡的基礎上對網絡的擁塞進行預測與控制，提出一種具有自我調節能力的擁塞控制算法。根據神經網絡中的隊列長度對網絡進行擁塞預測，實時地反饋于信源并對其速率進行控制，為實現網絡的自適應調節，此外，通過網絡的遞增參數和遞減參數等變量動態調節發送速率。