一种基于人工智能决策树的网络资源动态分配方法

本发明涉及资源分配技术领域，具体涉及一种基于人工智能决策树的网络资源动态分配方法，包括通过分布式特征探针实时采集网络节点的多维状态数据；对多维状态数据进行特征融合处理，生成带约束标识的特征向量集，其中每个特征向量附加动态优先级标签；基于特征向量集构建动态决策树模型，注入约束松弛因子以化解多维约束冲突；将实时资源请求输入动态决策树模型，生成具有动态锚定能力的资源分配策略；执行资源分配策略时同步监测路径退化指标，当检测到路径效能下降时触发在线修复机制；通过反馈补偿模块动态调整决策树结构。本发明具备良好的自学习与鲁棒性能，提升了整个系统在复杂动态环境下的决策准确率与资源利用率。