云应用软件体系结构(Software Architectures of Cloud Applications,简记为SAoCA)层性能优化可在软件开发早期保障性能需求的同时,为降低未来的云资源使用成本提供有效支持。目前已有的SAoCA层性能优化方法常常针对国外的云服务资源,而且往往将SAoCA层性能优化抽象成带约束的单目标优化问题进行求解。这些方法只能搜索受限的空间,难以获取最优性价比的SAoCA。针对上述问题,本文基于SAoCA建模及性能评估框架Space4cloud,研究并提出了一种云应用软件体系结构层性能多目标演化优化方法POM4CA。本文工作主要有:(1)面向国内主流云服务提供商,构建了国内云服务资源成本库。在对国内阿里云、百度云和华为云提供的各种云服务资源进行系统调研的基础上,给出了各类云服务资源的计价模型,并运用Space4cloud框架提供的云服务资源描述方法构建出国内云服务资源库。利用该资源库可构建60种不同的国内公有云虚拟机。(2)基于云服务资源库,定义了一种SAoCA层性能多目标优化模型。该模型能精确刻画虚拟机的类型和数量与云应用的响应时间和资源使用成本之间的关系。与已有方法相比,该模型能在更大的空间中搜索既保障云应用性能,又可有效减低云资源使用成本的SAoCA。(3)提出了一种SAoCA层差分多目标演化优化算法MODE4CA。该算法在传统差分多目标演化算法基础上,通过定义带策略池和修复机制的变异算子和交叉算子,以高效地求解本文的SAoCA层性能多目标优化模型,为搜索一组高性价比的SAoCA提供支持。(4)开展了案例研究。将本文POM4CA方法和Ardagna等人方法(单目标方法,它可在满足性能需求的约束下,获取资源使用成本最小的SAoCA)分别应用到Meeting in the Cloud和Open For Business两个案例中,以实证POM4CA方法的有效性。实验结果表明:与Ardagna等人方法相比,POM4CA方法能以更低的云资源使用成本,获取更优的响应时间。在最差情况下,POM4CA方法获取的SAoCA解集中也有13.2%的解在资源使用成本上低于Ardagna等人方法,而这些解中又有55.8%的解在响应时间优于Ardagna等人方法。本文POM4CA方法可为部署于国内主流云服务提供商上的应用开发高性价比的软件体系结构提供有力支撑,具有一定学术意义和较好的应用价值。