AI 架构决策的多目标优化模型在云计算资源分配中的应用

AI架构决策的多目标优化模型在云计算资源分配中的应用

技术背景与核心挑战

云计算资源分配面临多维目标 conflicting objectives，包括成本优化（strong）、服务响应时间、能耗效率及可靠性（Wang et al., 2021）。传统静态分配策略难以应对动态业务负载，导致资源利用率不足（Li & Zhang, 2022）。多目标优化（MOOP）模型通过量化权衡机制，为架构决策提供系统性解决方案。

现有研究显示，混合整数规划（MIP）与遗传算法（GA）在目标收敛性上各有优劣（Chen et al., 2020）。例如，Kumar团队（2023）提出的分层优化框架将资源分配分解为基础设施层与虚拟化层，但未考虑异构硬件特性。这凸显了架构决策模型需融合动态约束与硬件拓扑特征。

模型架构设计

• 分层优化架构

• 核心模型采用三级架构：目标层（QoS指标）、约束层（物理资源限制）、决策层（虚拟机迁移策略）。Zhang团队（2022）验证了该架构在AWS云环境下的有效性，资源分配效率提升37%。

  

  动态权重分配模块通过强化学习（RL）实时调整目标优先级（Li et al., 2023）。实验表明，该