Genetic Algorithm in Solution of Inverse Heat Conduction Problems

Raudenský, Miroslav; Woodbury, Keith A.; Král, Josef; Březina, Tomáš

doi:10.1080/10407799508928835

Cited by 83 publications

(25 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Raudensky [9] showed that GAs can perform the conversion from temperature for power for uni-dimensional topologies. This work extends the model to modern three dimensional processors.…”

Section: Related Workmentioning

confidence: 99%

Power model validation through thermal measurements

Mesa-Martinez

Nayfach-Battilana

Renau

2007

Proceedings of the 34th Annual International Symposium on Computer Architecture

View full text Add to dashboard Cite

Simulation environments are an indispensable tool in the design, prototyping, performance evaluation, and analysis of computer systems. Simulator must be able to faithfully reflect the behavior of the system being analyzed. To ensure the accuracy of the simulator, it must be verified and determined to closely match empirical data. Modern processors provide enough performance counters to validate the majority of the performance models; nevertheless, the information provided is not enough to validate power and thermal models.In order to address some of the difficulties associated with the validation of power and thermal models, this paper proposes an infrared measurement setup to capture run-time power consumption and thermal characteristics of modern chips. We use infrared cameras with high spatial resolution (10x10μm) and high frame rate (125fps) to capture thermal maps. To generate a detailed power breakdown (leakage and dynamic) for each processor floorplan unit, we employ genetic algorithms. The genetic algorithm finds a power equation for each floorplan block that produces the measured temperature for a given thermal package. The difference between the predicted power and the externally measured power consumption for an AMD Athlon analyzed in this paper has less than 1% discrepancy. As an example of applicability, we compare the obtained measurements with CACTI power models, and propose extensions to existing thermal models to increase accuracy.

show abstract

“…Raudensky [9] showed that GAs can perform the conversion from temperature for power for uni-dimensional topologies. This work extends the model to modern three dimensional processors.…”

Section: Related Workmentioning

confidence: 99%

Power model validation through thermal measurements

Mesa-Martinez

Nayfach-Battilana

Renau

2007

Proceedings of the 34th Annual International Symposium on Computer Architecture

View full text Add to dashboard Cite

show abstract

“…W pierwszej z nich efektywność algorytmu genetycznego porównano z efektywnością sieci neuronowej w rozwiązaniu tego samego problemu, natomiast w drugiej przystosowano GA do potrzeb optymalizacji wielokryterialnej. Algorytmy genetyczne zastosowano do rozwiązywania zagadnień odwrotnych wymiany ciepła mających na celu identyfikację warunków brzegowych w pracach [20][21][22]. Optymalizacja rojem cząsteczek posłużyła do wyznaczenia zależnej od temperatury pojemności cieplnej autorom pracy [23] natomiast w [24] została wykorzystana do identyfikacji zmiennej w czasie gęstości strumienia ciepła.…”

Section: Wstępunclassified

Zastosowanie algorytmów inteligencji obliczeniowej do wyznaczania właściwości cieplnych materiałów

Gałek

2016

ZN PRz Mechanika

View full text Add to dashboard Cite

ZESZYTY NAUKOWE POLITECHNIKI RZESZOWSKIEJ 293, Mechanika 88RUTMech, t. XXXIII, z. 88 (1/16), styczeń-marzec 2016, s. 17-35 Rafał GAŁEK 1Zastosowanie algorytmów inteligencji obliczeniowej do wyznaczania właściwości cieplnych materiałów W artykule przedstawiono zasadę pomiaru współczynnika przewodzenia ciepła k oraz dyfuzyjności cieplnej a w stanie periodycznie ustalonym (quasi-ustalonym) z zastosowaniem optymalizacji wykorzystującej algorytm inteligencji obliczeniowej do rozwiązania zagadnienia odwrotnego. Prowadzenie pomiarów w stanie periodycznie ustalonym będącym szczególnym przypadkiem stanu nieustalonego pozwala na uwzględnienie zjawisk akumulacji ciepła, a przy tym umożliwia opis przebiegu czasowego wartości temperatury przy użyciu tylko dwóch wielkości: amplitudy T A i kąta przesunięcia fazowego φ T oscylacji sygnału temperaturowego. Analiza jednowymiarowego przypadku przewodzenia ciepła w tym stanie posłużyła do wyznaczenia zależności pomiędzy T A oraz φT, a szukanymi wartościami właściwości cieplnych materiału k i a. Procedura okazała się odpowiednia do dokładnego odtworzenia wartości przewodności i dyfuzyjności cieplnej w perspektywie nieprzekraczającej 100 generacji działania algorytmu genetycznego przy populacji liczącej 50 osobników. Zaproponowana metoda charakteryzuje się prostą konfiguracją eksperymentalną oraz stosunkowo niską wrażliwością wielkości mierzonych bezpośrednio na błędy systematyczne, jednak dopiero weryfikacja eksperymentalna pozwoli ocenić jej praktyczną przydatność.Słowa kluczowe: pomiary cieplne, przewodność cieplna, dyfuzyjność cieplna, optymalizacja, algorytm genetyczny, stan periodycznie ustalony

show abstract

“…This technique has been widely adopted to solve inverse problems (Raudensky et al, 1995;Silieti et al, 2005;Karr et al, 2000). Genetic algorithms (GAs) belong to the family of computational techniques originally inspired by the living nature.…”

Section: Genetic Algorithmmentioning

confidence: 99%