目的:以治疗肺癌疗效确切的中药复方金复康为研究对象,从抑制肺癌细胞增殖方面对其处方组成进行优化,并为中药复方的处方优化提供新的途径。方法:应用筛选试验设计(Plackett-Burman),然后应用随机森林算法,建立基于设计处方集的预测模型,61个组方设计矩阵为输入,以相应的61个组方的半数抑制浓度(half maximal inhibitory concentration,IC50)的自然对数为输出建立随机森林回归模型。并用5次10折交互验证优化模型参数mtry,最后应用网格化搜索算法得到最优的配伍组,并进行肺癌细胞增殖实验验证,以金复康组成药物的不同组合作用于肺腺癌细胞株A549的IC50为指标,从抑制肺癌细胞增殖方面对金复康的组方配伍进行优化。结果:通过随机森林模型结合网格化搜索算法得到的最优配伍组为黄芪、麦冬、重楼、女贞子和绞股蓝,且经实验验证,在抑制肺癌细胞增殖方面,金复康优化方相对于金复康原方具有更好的抑制细胞增殖效应。结论:基于随机森林模型结合网格化搜索算法能够为复杂性中药复方的组方优化提供方法学参考。