應用基因演算法於叢集電腦機房強迫對流裝置佈局最佳近似解之研究

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：112

、訪客IP：3.16.212.32

姓名

陳玉珍(Yun-Chen Chen) 查詢紙本館藏

畢業系所

資訊管理學系在職專班

論文名稱

應用基因演算法於叢集電腦機房強迫對流裝置佈局最佳近似解之研究
(Applying Genetic Algorithms to Cluster Computer Rooms for Best Approximate Solutions of the Forced Convection Equipment Layout)

相關論文

★ 信用卡盜刷防治簡訊規則製作之決策支援系統	★ 不同檢索策略之效果比較
★ 知識分享過程之影響因子探討	★ 兼具分享功能之檢索代理人系統建構與評估
★ 犯罪青少年電腦態度與學習自我效能之研究	★ 使用AHP分析法在軟體度量議題之研究
★ 優化入侵規則庫	★ 商務資訊擷取效率與品質促進之研究
★ 以分析層級程序法衡量銀行業導入企業應用整合系統(EAI)之關鍵因素	★ The Development of a CASE Tool with Knowledge Management Functions
★ 以PAT tree 為基礎發展之快速搜尋索引樹	★ 以複合名詞為基礎之文件概念建立方式
★ 利用使用者興趣檔探討形容詞所處位置對評論分類的重要性	★ 透過半結構資訊及使用者回饋資訊以協助使用者過濾網頁文件搜尋結果
★ 利用feature-opinion pair建立向量空間模型以進行使用者評論分類之研究	★ 探討使用者回饋之半結構化文件字詞特性於檢索文件的應用

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)

在有限空間且電子設備排列密度極高並以冷氣及風扇強迫對流裝置散熱的叢集電腦機房，如何排列強迫對流裝置以能有效的散熱，讓電子設備處於正常的運轉狀態，對機房的管理而言，是一個很重要的課題。
在侷促空間中，加上冷氣及風扇氣流的因素，機房的流場顯得非常紊亂，要以流體力學軟體來模擬流場狀態，以找到機房強迫對流裝置的合適佈局是非常困難的事，因此，本研究應用基因演算法，並以類神經網路學習模型建立適應函數，以找到機房強迫對流裝置佈局之最佳近似解。

摘要(英)

To keep the electronic installation at normal operation, effective heat dissipation of the extremely crowded cluster computer room is needed. Usually, fans and air conditioning equipments are used to assist this heat dissipation work. In the cramped space of crowded cluster computer room, airflow is exceptionally disorderly. How to arrange the fans and the air conditioning equipments to make heat dissipation effective is an important problem.
Using Computational Fluid Dynamics (CFD) software to simulate the airflow to find solutions for effective heat dissipation is extremely difficult. The purpose of this research is to apply neural networks model to establish a fitness function first, then, have this fitness function used by genetic algorithms in the finding of best approximate solutions for solving the problem of effective heat dissipation in cluster computer rooms.

關鍵字(中)

★ 基因演算法
★ 類神經網路
★ 強迫對流

關鍵字(英)

★ forced convection
★ artificial neural network
★ genetic algorithm.

論文目次

摘要 i
Abstract ii
第一章緒論 1
1.1 研究背景與動機 1
1.2 研究目的與範圍 2
1.3 研究限制 3
1.4 研究架構 3
第二章文獻探討 4
2.1 電子設備的冷卻技術 4
2.2 基因演算法 6
2.3 類神經網路 13
第三章研究設計 16
3.1 研究流程 16
3.2 量測樣本設計 19
3.3 倒傳遞類神經網路 19
3.4 基因演算 24
第四章研究分析 27
4.1 數據量測結果 27
4.2 溫度分佈預測模型 27
4.3 最佳化求解與結果分析 30
第五章結論與展望 41
5.1研究結果與討論 41
5.2研究貢獻 41
5.3未來研究建議 42
參考文獻 43
附錄一工業風扇控制狀態與溫度分佈 47
附錄二類神經網路模式輸出程式碼 75
附錄三溫度最佳化分佈主程式 105

參考文獻

中文部份
[1] 王進德、蕭大全編著，類神經網路與模糊控制理論入門，初版，全華科技圖書股份有限公司，台北市，1994，pp.16–57。
[2] 李南海編譯，電子機器的冷却技術，初版，全華圖書，台北市，1889，pp.107–149。
[3] 周鵬程，遺傳演算法原理與應用—活用Matlab，初版，台北市，2001，pp.1-1–2-66。
[4] 葉怡成，類神經網路模式應用與實作，七版，儒林圖書有限公司，台北市，2000，pp.2-1–4-51。
[5] 葉怡成，應用類神經網路，二版，儒林圖書有限公司，台北市，1999，pp.2-2–2-17。
[6] 戴汝為主編，人工智慧，初版，五南圖書出版股份有限公司，台北市，2003，pp.49–70。
[7] 蘇品書，電子機器冷却散熱，初版，復漢出版社，台南市，1988，pp.81–110。
[8] 連立川、葉怡成、鄭明淵，「以遺傳演算法及運算樹作為高性能混土強度建模」，技術學刊，第二十一卷，第一期，pp. 41–54，2006。
[9] 卞志祥，「台灣加權股價指數投資組合之基因演算法建構模型」，交通大學資訊科學研究所碩士論文，1996。
[10] 吳傳浩，「電信系統機房風管出風口風量自動調整系統研究」，台北科技大學冷凍空調工程研究所碩士論文，2003。
[11] 易正倫，「空調模擬機之研究」，臺灣大學機械工程學研究所碩士論文，2001。
[12] 林建智，「基因演算法與類神經網整合應用之探討—以流程式工廠訂單排程為例」，台灣科技大學工業管理研究所碩士論文，2002。
[13] 姜台林，「整合式智慧型最佳化參數設計之研究」，交通大學工業工程與管理研究所博士論文，2001。
[14] 陳大民，「電信數位交換機房對流式空調系統研究」，台北科技大學冷凍空調工程研究所碩士論文，2002。
[15] 陳文松，「大型中央電腦機房空調氣流分佈最佳化之研究」，台北科技大學冷凍空調工程研究所碩士論文，2003。
[16] 陳宏坤，「應用遺傳演算法於倉儲批發量販業之賣場設施佈置問題之研究」，元智大學工業工程研究所碩士論文，2000。
[17] 莊峻瑋，「以基因演算法快速尋找最佳解之研究」，海洋大學機械與機電工程研究所碩士論文，2006。
[18] 游麗娟，「基因演算法於幾何形狀最佳化設計之研究」，中央大學機械工程研究所碩士論文，2000。
[19] 林瑞國、蔡順峰、邱柏雄、許文翰，「室內空調對叢集電腦散熱之模擬研究」，第十四屆全國計算流體力學術研討會論文集，南投縣，2007。
[20] 莊志勇、余志成，「以模糊類神經基因演算法進行設計最佳化」，中國機械工程學會第二十一屆全國學術研討會論文集，高雄，2004。
英文部份
[1] Bäck, Thomas, Evolution Algorithms in Theory and Practice: Evolution Strategies, Evolution Programming, Genetic Algorithms, Oxford University Press, Oxford, 1996.
[2] Geng, Mitsuo and Cheng, Runwei, Genetic Algorithms & Engineering Optimization, John Wiley & Sons, New York, 2000.
[3] Goldberg, D. E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Professional, New York, 1989.
[4] Holland, J.H., Adaptation in Natural and Artificial System, The Press University of Michigan Press, Cambridge, 1975.
[5] Kosko, B., Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence, Prentice Hall, Upper Saddle River, N.J., 1992.
[6] Man, K. F., Tang K. S. and Kwong, S., Genetic Algorithms: Concepts and Designs, Springer-Verlag, London, 1996.
[7] Michell, Melanie, An Introduction to Genetic Algorithms, The MIT Press, Cambridge, 1996.
[8] Pham, D. T. and Karaboga, Dervis, Intelligent Optimization Techniques: Genetic Algorithms, Tabu Search, Simulated Annealing and Neural Networks, Springer-Verlag, New York, 2000.
[9] Aung, Win, Kessler, T. J. and Beitin K. I., “Free Convection Cooling of Electronic System,” IEEE Trans. on Parts, Hybrids, and Packaging, Vol. Php-9, no. 2, pp.75–86, June 1973.
[10] Baker, A. J., “The laminar horseshoe vortex,” Journal of Fluid Mechanics Digital Archive, Vol. 95, Issue 02, pp 347–367, Nov. 1979.
[11] Chiang T. P., Sheu, Tony W. H. and Tsai, S. F., “Topological flow structures in backword-facing step channels,” Computers & Fluids, Vol. 26, No. 4, pp. 321–337, 1997.
[12] Kumar, Parmod, Chandna, V. K. and Thomas, Mini S., “Fuzzy-Genetic Algorithm for Pre-Processing Data at the RTU,” IEEE Trans. on Power Systems, Vol. 19, No. 2, pp. 718–723, May 2004.
[13] Lin, C. T. and Lu, Y. C., “A neural fuzzy system with fuzzy supervised learning,” IEEE Trans. Syst., Man, Cybern. B, vol. 26, pp. 744–763, Oct. 1996.
[14] Thomas, Andrew S. W., “The unsteady characteristics of laminar juncture flow,” Physics of Fluids, Vol. 30, Issue 2, pp. 283–285, Feb. 1987.
[15] Wang, Chi-Hsu, Liu, Han-Leih and Lin, Chin-Teng, “Dynamic Optimal Learning Rates of a Certain Class of Fuzzy Neural Networks and its Applications wih Genetic Algorithm,” IEEE Trans. Syst., Man, Cybern. B, vol. 31, No. 3, pp. 467–475, June 2001.
[16] Wang, Ching-Hung, Hong, Tzung-Pei and Tseng, Shian-Shyong, “Integrating Fuzzy Knowledge by Genetic Algorithms,” IEEE Trans. on Evolutionary Computation, Vol. 2, No. 4, pp. 138–149, Nov. 1998.

指導教授

周世傑(Shih-Chieh Chou)

審核日期

2008-7-1

推文