随着人类社会的快速发展,需要维持人类发展的各种资源的需求越来越大,然而我们所生存的环境中的资源是有限的,怎样更好地分配有限的资源,是我们工作和生活经常面临的挑战。资源分配任务具有多因素、多限制、多维度等复杂特性,在任务量规模较大的场景下,人工操作往往令资源分配不合理且低效。本文旨在将人工智能和机器学习的方法引入资源分配,研究聚类算法在资源分配中的应用,并以高校学生宿舍这一资源的分配问题为例,展开应用研究。本文的工作主要包括以下三个方面的内容:(1)研究聚类算法在资源分配尤其是可约束资源分配方面的应用,高校宿舍分配实例,以高校学生为聚类目标。根据聚类目标的相关属性以及聚类算法的特点选择适合学生聚类的算法:K-modes。通过问卷调查研究确定聚类目标的五大属性(作息时间、兴趣爱好、生活费用、卫生习惯、性格特点),然后根据改进K-modes聚类算法进行宿舍分配建模,详细介绍了聚类过程以及宿舍分配过程,并进行了应用测试。(2)通过对高校宿舍管理的调研,确定基于聚类算法的高校宿舍分配管理系统的需求分析。根据需求分析,确定技术选型,主要使用的技术有K-modes聚类算法、SSM(Spring+SpringMVC+MyBatis)框架、Maven项目管理工具、微信小程序等。然后进行系统设计,包括架构设计、功能设计、数据库设计和安全设计。(3)实现基于K-modes聚类算法的高校宿舍分配管理系统,核心功能是新生入学宿舍分配以及后期的管理。学生入学后可以根据自身情况进行宿舍分配选择,可以选择自己找室友进行入住申请,也可以选择学校根据系统聚类算法进行分配宿舍。系统也提供了宿舍调整和宿舍退还功能,满足学生中途更换宿舍以及毕业退宿的需求。论文的工作以高校学生宿舍分配为例,研究了将聚类算法用于资源分配任务的方法,实验结果和系统应用表明论文提出的方法是有效的,这对于资源分配问题的相关研究具有一定的借鉴意义。