[发明专利]一种基于随机森林算法的资源分配方法

权利要求书

1.一种基于随机森林算法的资源分配方法，其特征在于，所述资源分配包括：

S1：资源分配数学模型构建步骤，对目标对象进行资源分配数学模型的定义；

所述步骤S1具体包括：设目标对象集合T中有M类目标对象，分别记为T_i＝{T₁,T₂,...,T_M},i∈{1,2,…,M}，其中每类目标对象中包含不同的个体组合，设有N类资源，记为R_i＝{R₁,R₂,...,R_N},i∈{1,2,...,N}，并此N类资源进行组合，得到资源属性组合表；

S2：代价函数设计步骤；

所述步骤S2的代价函数设计步骤包括：针对不同资源分配问题设计不同的代价函数；

S3：随机森林训练数据集的构建步骤，基于资源分配数学模型和代价函数，利用分类的思想构建随机森林的训练数据集；

所述步骤S3具体包括：对目标对象集合进行随机采样，根据资源属性得到可分配给该m个体的n类资源，将其进行组合，在满足约束条件的情况下，得到不同的分配方案；

再对得到的每一种分配方案求取其代价值，得到代价函数值最低的分配方案，查询资源属性组合表，取此分配方案的索引作为该目标对象的标签，并重复该过程，直到生成目标数量的训练初始训练集，对其进行特征提取后得到训练数据集；

S4：随机森林生成步骤，

所述步骤S4包括：

对训练集进行a次有放回的随机采样，每次采集b次，得到a个包含b个样本的采样集；

用每次采样得到的采样集训练得到a个决策树模型，所有决策树共同构成随机森林；

S5：基于历史数据的目标对象预测步骤；

所述步骤S5包括：对历史数据进行挖掘与分析，根据时间序列信息预测得到每个时间段需要进行资源分配的目标对象；

S6：基于预测结构的资源分配步骤；

所述步骤S6具体包括：

输入目标对象集合，每棵决策树输出一个预测标签，随机森林再使用投票的方式输出预测标签，根据标签索引得到最终的资源分配方案。

2.如权利要求1所述的基于随机森林算法的资源分配方法，其特征在于，所述步骤S4中，在训练每个决策树模型的节点时，在节点上所有的样本特征中随机选择部分样本特征，并在这些随机选择的部分样本特征中选择一个最优的特征来做决策树的左右子树划分。

3.如权利要求1所述的基于随机森林算法的资源分配方法，其特征在于，所述步骤S5具体包括：

基于目标对象的历史数据，分析挖掘得到其属性信息，根据时间序列信息将目标对象分类，然后分别采用随机森林的方法对目标对象进行预测得到不同时间段的预测结果，将每个结果作为分配的测试集，即针对预测得到的目标对象集合进行资源分配。