一种智慧城市数据中心的设备布置方法技术

本发明专利技术公开一种智慧城市数据中心的设备布置方法，使用多重遗传算法进行机房设备布置，所述多重遗传算法包括：步骤1，采用遗传算法获得整个数据存储设备每个房间的机房设备分配的多个第一基因编码串；步骤2，对于每个房间的多个所述第一基因编码串分别采用遗传算法获得各机房设备布局的第二基因编码串；所述步骤2还包括设计各房间的机房设备布局规则函数的步骤，其中，采用熵值法来确定各个机房设备布局规则函数的每个指标的权重。本发明专利技术快速批量生成符合布局规则函数判断、新颖性判断、先验知识的机房设备布局方案。先验知识的机房设备布局方案。先验知识的机房设备布局方案。

【技术实现步骤摘要】
一种智慧城市数据中心的设备布置方法


[0001]本专利技术涉及人工智能
，具体地说，涉及一种智慧城市数据中心的设备布置方法。

技术介绍

[0002]随着计算机与网络技术的发展，服务器、网络通信设备等IT设备正在向着小型化、网络化、机架化的方向发展，智慧城市的数据中心机房内需要放置很多数据存储机柜、散热装置等各种设备，是综合布线和信息化网络设备的核心，也是信息网络系统的数据汇聚中心，其特点是设备24h不间断运行，电源和空调不允许中断，对机房的洁净度、温湿度要求较高。
[0003]而长期以来，数据存储机柜被看作IT应用中容纳服务器的低值、附属产品，并不为人重视。但是，低价值的数据存储机柜却是昂贵的IT设备最直接的物理保护，重视IT设备本身却忽视其所处的IT微环境的做法，例如，热量管理、线缆管理、机柜电源分配、兼容性及其他先进性能，机柜布置不合理会导致数据中心的数据存储机柜故障率高，性能降低，资源浪费等，只有合理的规划设备布局，才能充分发挥各子系统的功能，便于今后的扩充，方便运维人员的管理，节省投资。

技术实现思路

[0004]为解决以上问题，本专利技术提供一种智慧城市数据中心的设备布置方法，使用多重遗传算法进行机房设备布置，所述多重遗传算法包括：
[0005]步骤1，采用遗传算法获得整个数据存储设备每个房间的机房设备分配的多个第一基因编码串；
[0006]步骤2，对于每个房间的多个所述第一基因编码串分别采用遗传算法获得各机房设备布局的第二基因编码串；
[0007]所述步骤2还包括设计各房间的机房设备布局规则函数的步骤，其中，
[0008]采用熵值法来确定各个机房设备布局规则函数的每个指标的权重，包括以下步骤：
[0009]获得多个机房设备布局规则函数的多个指标；
[0010]获得一个机房设备布局规则函数的一个指标占所有指标之和的比重
[0011][0012]其中，G
ih
为第i个机房设备布局规则函数的第h个指标，n为指标总数，p
ih
为第i个机房设备布局规则函数的第h个指标的比重；
[0013]通过下式获得每一个指标的熵值
[0014][0015]其中，K＝1/ln(n)，e
h
为第h个指标的熵值，满足e
h
≥0；
[0016]通过下式获得每一个指标的权重
[0017][0018]其中，E
h
为第h个指标的权重，
[0019]本专利技术采用多重遗传算法，针对整个数据中心利用遗传算法生成多个机房设备分配方案，对每个机房设备分配方案再利用遗传算法分别按照各房间进行遗传算法计算，得到各个房间的布局方案，能够快速批量生成符合布局规则函数判断、新颖性判断、先验知识的机房设备布局方案。
附图说明
[0020]通过结合下面附图对其实施例进行描述，本专利技术的上述特征和技术优点将会变得更加清楚和容易理解。
[0021]图1是表示本专利技术实施例的智慧城市数据中心的设备布置方法的步骤示意图；
[0022]图2是表示本专利技术实施例的数据中心机柜排布的示意图。
具体实施方式
[0023]下面将参考附图来描述本专利技术的实施例。本领域的普通技术人员可以认识到，在不偏离本专利技术的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
[0024]图1是表示本专利技术涉及的智慧城市数据中心的设备布置方法的流程图。下面参考图1来说明本专利技术的实施例。
[0025]本实施例的智慧城市数据中心的设备布置方法包括以下步骤：
[0026]步骤S1，将一些常用机房设备的平面模型(俯视的情况下)抽象成对应的抽象多边形，录入模板库。例如，正方体设备俯视的平面模型是正方形，长方体设备的平面模型是长方形。当然本实施例不排除还可能是更复杂的其他抽象多边形的形式。
[0027]步骤S2，获得数据中心机房的边界信息。数据中心可以是一个整个的房间，也可能是多个连通的房间。在此可以使用二值化的方法将机房平面图转换为灰度图，再用泛洪法将每个房间的边界提取出来。
[0028]其中，二值化是通过设定灰度值阈值，并将机房平面图的各点的像素值与灰度值阈值比较，大于等于灰度值阈值的像素点像素值设为255，小于灰度值阈值的像素点像素值设为0，从而将机房平面图转换为灰度图。灰度值阈值可以是选0至255的中位值。
[0029]其中，泛洪法获取灰度图中的各个连通域(即各个房间的区域)，通过标记把这些区域分别提取出来。计算连通域就是检查各像素与其相邻像素的连通性。可以从左至右扫描一行，然后向下换行继续从左至右扫描，每扫描到一个像素，都检查像素位置的上、下、左、右的紧邻像素值，也可以是检查上、下、左、右、左上、右上、左下、右下的紧邻的像素值。
[0030]下面以上、下、左、右检查为例说明一下具体步骤：
[0031]假设当前位置的像素值为255，检查它左边和上边的两个邻接像素(这两个像素一定会在当前像素之前被扫描到)。这两个像素值和标记的组合有以下四种情况：
[0032]1)左边和上边的像素值都为0，则给当前位置的像素一个新的标记(表示一个新的连通域的开始)；
[0033]2)左边和上边只有一个像素值为255，则当前位置的像素与像素值为255的像素的标记相同；
[0034]3)左边和上边的像素值都为255且标记相同，则当前位置的像素的标记与左边和上边的像素的标记相同；
[0035]4)左边和上边的像素值为255且标记不同，则将其中的较小的标记赋给当前位置的像素，然后从右至左回溯到区域的开始像素为止，每次回溯再分别执行上述4个步骤。
[0036]通过以上4个步骤就可以从灰度图中提取出各房间的区域。
[0037]步骤S3，使用深度视觉方法根据空间的特征(如：地板、烟道、方位、面积等)来自动识别空间名，并结合一些先验知识编写规则函数进行修正。例如，深度视觉方法采用神经网络模型来提取房间的特征，然后进行分类识别，从而确定命名。具体包括以下步骤：
[0038]步骤S31，建立训练集和测试集，训练集中包含训练图片以及其对应的真实标签，各训练图片是一些房间的俯视图，各房间的特征包括例如电源接口的位置、窗户朝向、房间大小等。测试集中包含测试图像，要通过训练训练集中的图片来对测试集中的图片进行预测。
[0039]步骤S32，构建深度神经网络，深度神经网络包含一个输入层、三个隐藏层和一个输出层。层与层之间为全连接，且每一层的输出和输入之间存在一个线性关系，对于深度神经网络的第r层的第j个神经元表示为：
[0040][0041]其中r-1层包含m个神经元；
[0042]表示第r-1层第k个神经元到的权重；
[0043]表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧城市数据中心的设备布置方法，其中，使用多重遗传算法进行机房设备布置，所述多重遗传算法包括：步骤1，采用遗传算法获得整个数据存储设备每个房间的机房设备分配的多个第一基因编码串；步骤2，对于每个房间的多个所述第一基因编码串分别采用遗传算法获得各机房设备布局的第二基因编码串；所述步骤2还包括设计各房间的机房设备布局规则函数的步骤，其中，采用熵值法来确定各个机房设备布局规则函数的每个指标的权重，包括以下步骤：获得多个机房设备布局规则函数的多个指标；获得一个机房设备布局规则函数的一个指标占所有指标之和的比重p

【专利技术属性】
技术研发人员：董文雷，张军，李仲华，马云飞，宋扬，
申请(专利权)人：中天众达智慧城市科技有限公司，
类型：发明
国别省市：