解决方案如下：

1. 使用AWS CloudFormation创建自动伸缩组(Auto Scaling Group)和启动配置(Launch Configuration)。

Resources:
  MyAutoScalingGroup:
    Type: AWS::AutoScaling::AutoScalingGroup
    Properties:
      LaunchConfigurationName: !Ref MyLaunchConfiguration
      MinSize: 2
      MaxSize: 10
      DesiredCapacity: 3
      VPCZoneIdentifier: 
        - subnet-12345678
        - subnet-87654321

  MyLaunchConfiguration:
    Type: AWS::AutoScaling::LaunchConfiguration
    Properties:
      ImageId: ami-12345678
      InstanceType: t2.micro
      UserData: |
        #!/bin/bash
        echo "Hello, World!" >> /var/log/user-data.log
        # Additional configuration commands...

以上代码使用AWS CloudFormation模板语言定义了一个自动伸缩组和启动配置。其中，自动伸缩组指定了最小实例数量、最大实例数量和期望实例数量，并关联了一个或多个子网。启动配置指定了实例的镜像ID、实例类型和用户数据。

2. 使用AWS CLI或AWS SDK编写代码创建自动伸缩组和启动配置。

import boto3

client = boto3.client('autoscaling')

response = client.create_launch_configuration(
    LaunchConfigurationName='MyLaunchConfiguration',
    ImageId='ami-12345678',
    InstanceType='t2.micro',
    UserData='#!/bin/bash\necho "Hello, World!" >> /var/log/user-data.log',
    # Additional configuration parameters...
)

response = client.create_auto_scaling_group(
    AutoScalingGroupName='MyAutoScalingGroup',
    LaunchConfigurationName='MyLaunchConfiguration',
    MinSize=2,
    MaxSize=10,
    DesiredCapacity=3,
    VPCZoneIdentifier='subnet-12345678,subnet-87654321',
    # Additional configuration parameters...
)

以上代码使用AWS Python SDK (boto3)创建了一个自动伸缩组和启动配置。使用create_launch_configuration方法创建启动配置，并使用create_auto_scaling_group方法创建自动伸缩组。

需要注意的是，以上代码只是示例，实际使用时需要根据实际需求进行适当的修改和配置。