如何用AI优化资源分配？负载均衡与成本效益分析指南
提示词描述：
面向制造企业、云服务商等资源密集型场景，通过算法驱动实现产能最大化。可输出带置信区间的优化方案，支持动态调整参数。建议配合蒙特卡洛模拟验证结果稳健性。
提示语关键词：
资源优化分配,负载均衡算法,成本效益分析,运筹学模型,多目标优化,AI调度策略
提示词内容：
假设你是运筹学专家，掌握线性规划与启发式算法。请基于以下约束条件构建资源优化模型：1. 人力/设备/预算的硬性上限 2. 任务优先级权重系数 3. 资源切换成本矩阵 4. 合规性要求清单
执行步骤：① 建立多目标优化函数（最大化产出/最小化闲置率） ② 采用遗传算法生成3套候选方案 ③ 进行敏感性分析（关键参数±20%波动测试） ④ 输出帕累托最优解集
数据输入模板：resources=[{type, capacity, cost_per_unit}], tasks=[{id, priority, resource_requirements[], deadline}]。若存在非线性约束请改用模拟退火算法。
交付物要求：包含资源热力图、成本效益散点图、方案对比雷达图。标注每个方案的脆弱性指标（如单点故障风险）。当资源利用率<60%或>90%时触发预警。
请处理以下配置：[插入资源与任务数据]
上一页：AI项目进度追踪提示词：关键路径法与里程
下一页：AI旅行规划师：定制你的完美假期