粒子群演算法應用企業伺服器負載平衡之省電優化

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：21

、訪客IP：18.218.8.156

姓名

陳仕倫(Shih-lun Chen) 查詢紙本館藏

畢業系所

通訊工程學系在職專班

論文名稱

粒子群演算法應用企業伺服器負載平衡之省電優化
(Particle Swarm Optimization Algorithm Applied to Enterprise Server Load Balancing Power Saving Optimization)

相關論文

★ Branch and Bound 演算法在全光網路包含串音局限的限制條件之最佳化規劃效能分析	★ 平行式最佳區塊碼解碼演算法
★ 數位廣播之視訊系統架構與信號估測	★ 粒子群優化演算法應用於電信業解決方案選商及專案排程之優化
★ 結合PSO及K-Means聚類分析演算法的圖像分割	★ 利用粒子群優化演算法改善分群演算法在訊號分群上之應用
★ 應用模糊聚類與粒子演算法之色彩分群研究	★ 粒子群優化演算法應用於企業更新數據網路採購之優化
★ 粒子群演算法應用於無線區域網路產品硬體開發成本優化	★ 粒子群優化演算法應用於瓦斯業微電腦瓦斯表自動讀表之優化
★ 近場通訊之智慧倉儲管理	★ 在Android 平台上實現NFC 室內定位
★ 適用於訊號傳輸暨無線電力傳輸之設計	★ 結合PSO及圖像品質評估演算法識別頻譜訊號
★ 粒子群優化與二維Otsu演算法於影像二元化閥值選取研究	★ 利用A*解碼法應用到線性區塊碼的最大可能性解碼之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

在能源日漸不足及的今天，省電一直是重要議題。當今的伺服器系統可藉由智慧型電源管理技術，將整體系統作降頻動作，使資訊管理人員可以控制最佳化電源管理，使現有伺服器實現更高的價值和效能。資訊管理人員可藉由動態限定耗電量，以避免系統的過度冷卻、縮減停機時間。但由於沒完善的考量設定參數，並未正確考慮主機負載使用率，以致無法有效地提供所需要的處理運算並進行電力的節約。而粒子群演算法的特性可以求得最佳解位子，可判斷何時使用適當省電模式的級數，將可優化電力系統及效能使用率，本研究將考慮常態性一天之間，各時段之負載大小與總發電量及主機尖峰值和離峰值之匹配關係將套用於PSO演算法權重及學習因子探討方面找到最解佳負載設定值達到節能省電，以神達電腦伺服器為實例。

摘要(英)

In a world of energy shortage nowadays, saving energy has been on top of the issues. The servers in use can be more energy-efficient through the smart energy management system which can lower the frequency, thus enabling the IT staff to control the optimized management system in an easier way. The IT staff can dynamically limit the power consumption in order to avoid the cooling of the system and to minimize the suspension time of it. However, due to the lack of proper setup of the parameter and the lack of appropriate consideration of the load of the host, the needed operation for energy saving therefore cannot be processed. The trait of Particle Swarm Optimization Algorithm is in search of the best position, the best timings for saving energy in this case, in another word, optimizing the power system and therefore reaching better efficiency.
This study takes into consideration the load in each time period, and the maximum and minimum load of the host, adopting PSO to find the best set figure for energy-efficiency.

關鍵字(中)

★ 粒子群優化演算法
★ 節點管理器
★ 伺服器
★ 省電

關鍵字(英)

★ PSO
★ Node manager
★ Server
★ Power saving

論文目次

目錄
摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 List of Figures vi
表目錄 List of Tables vii
第一章緒論 01
1-1 研究背景 01
1-2 研究動機 02
1-3 論文架構 03
第二章粒子群優化演算法 04
2-1 群體智能之概述 04
2-1-1 基因演算法(GA) 05
2-1-2 模擬退火演算法(SA) 07
2-1-3 蟻群算法(ACO) 10
2-1-4 粒子群優化(PSO) 13
2-2 粒子群優化演算法的原理 14
2-3 粒子群優化演算法的公式介紹 15
2-4 慣性權重粒子群優化演算法 20
2-5 粒子群優化演算法的參數選擇 22
第三章伺服器節點電源管理系統介紹 25
3-1 節點電源管理系統概述 25
3-1-1 智慧平台管理介面(IPMI) 26
3-1-2 電源管理匯流排(PMBus) 30
3-2 伺服器系統電力分布架構 32
3-3 節點管理器架構圖 33
3-4 節點電源管理系統應用(1/2) 34
第四章企業伺服器負載平衡之省電優化 35
4-1 實驗平台設備 35
4-2 問題定義與參數設定 36
4-3 實際記錄和收集數據 37
4-4 讀取各級參數值 42
4-5 模擬程式撰寫方法與流程 43
4-6 參數選擇與實測結果 45
4-7 伺服器省電優化計算結果 49
第五章結論 52
參考文獻 53

參考文獻

[1] Kirkpatrick, S. (1984), "Optimization by Simulated Annealing: Quantitative Studies", Journal of Statistical Physics, Vol. 34, pp. 975–986.
[2] G. Beni and J. Wang (1989), "Swarm intelligence in cellular robotics systems", Proceedings of NATO Advanced Workshop on Robots and Biological System, pp. 703–712.
[3] E. Bonabeau, M. Dorigo, G. Theraulaz (1999), Swarm intelligence: from natural to artificial systems.
[4] Kennedy, J.; Eberhart, R. (1995). "Particle Swarm Optimization". Proceedings of IEEE International Conference on Neural Networks. IV. pp. 1942–1948.
[5] Shi, Y.; Eberhart, R.C. (1998). "A modified particle swarm optimizer". Proceedings of IEEE International Conference on Evolutionary Computation. pp. 69–73.
[6] Shi, Y.; Eberhart, R.C. (1999). "Empirical study of particle swarm optimization". Proceedings of the Congress on Evolutionary Computation, pp. 1945–1950.
[7] Shi, Y.; Eberhart, R.C. (1998). "Parameter selection in particle swarm optimization". Proceedings of Evolutionary Programming VII (EP98). pp. 591–600.
[8] Kennedy, J. (1997). "The particle swarm: social adaptation of knowledge". Proceedings of IEEE International Conference on Evolutionary Computation. pp. 303–308.
[9] Intel Intelligent Platform Management Interface (IPMI) Specification V2.0.
[10] Intel Power System Management Protocol Specification V2.12.
[11] Intel Increasing Data Center Efficiency with Server Power Measurements.
[12] Jan A. Snyman (2005). Practical Mathematical Optimization: An Introduction to Basic Optimization Theory and Classical and New Gradient-Based Algorithms. Springer Publishing.
[13] S.S. Rao (1984). Optimization Theory and Applications, Second Edition, Wiley Eastern Limited, New Delhi.
[14] Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein. Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. Section 29.3: The simplex algorithm, pp.790–804.
[15] Hopfield, J. and Tank, D. (1985). Neural computation of decisions in optimization problems. Biological Cybernetics, 52:141–152.
[16] Hopfield J.J. and Tank D.W., "Computing with neural circuits: a model", Science, vol.233, 1986, pp. 625-633.
[17] Goldberg, D.E. (1989) Genetic algorithms in search optimization and machine learning. Addison-Wesley, MA, USA.
[18] Rudolph, G., (1994): "Convergence analysis of canonical genetic algorithms", IEEE Transactions on Neural Networks, 5, pp. 96–101.
[19] Kirkpatrick, S.; Gelatt, C. D.; Vecchi, M. P. (1983). "Optimization by Simulated Annealing". Science, Vol. 220, pp. 671–680.
[20]洪鈺欣 - 負載預測與契約用電最佳化之研究,台灣大學工程科學及海洋工程學研究所,2011。
[21]吳挺豪 - 粒子族群演算法應用於儲冰空調系統負載分配最佳化,國立台北科技大學能源與冷凍空調工程系,2008。
[22]陳聖彦 - 基于改進PSO算法的動態神經網絡研究,江南大學碩士學位論文,2009。
[23]蔡裕仁,粒子群優化演算法應用於企業更新數據網路採購之優化,國立中央大學通訊工程學系碩士論文,2011, pp. 4-14。
[24]吳宗勳 -粒子群優化演算法應用於電信業解決方案選商及專案排程之優化,國立中央大學通訊工程學系碩士論文,2009。
[25]沈威廷 - 改良式粒子群演算法應用於WCDMA基站選址,國立中央大學通訊工程學系碩士論文,2011。
[26] 吴强，滕欢.改進PSO算法在無功優化中的應用[J].湖北電力,2006,pp. 21-23。
[27] 丁玉凤，文劲宇.基於改進PSO 算法的電力系统無功優化研究[J].继電器,2005, pp. 20-24。

指導教授

賀嘉律

審核日期

2013-12-26

推文