近年来我国公路管理部门面对庞大的路网,需要在有限的预算条件下,确定何时何地采取何种养护措施,以保证路网的服务水平。因此,如何科学的在养护管理工作中对资金做出合适的分配决策具有重要的意义。本文分析了山西省高速公路网数据库相关信息,包括基础信息、历史性能数据、养护历史情况、交通情况、气候环境信息等数据。对性能数据缺失和异常情况,做出了插补并使用Isolation Forest孤立森林异常检测方法对异常数据进行了剔除。选取同路面使用性能相关的特征,主要包括路面的基础信息、结构类型、气候环境、交通荷载及养护历史,使用K均值聚类算法对特征分别进行了分类。采用梯度提升回归树算法（GBRT）分别对PCI和RQI建立了适用于山西省高速公路网的路面性能预测模型,模型基于所选取的路面基本特征以及路元前三年的性能指标值来预测下一年的性能指标值。采用十折交叉验证方法对模型进行训练,模型的预测结果表明预测值与真实值均具有很强的线性相关性。将GBRT模型与传统的线性回归模型、贝叶斯模型和弹性网络回归模型进行对比,GBRT模型在为均绝对误差（MAE）、均方根误差（MSE）、拟合优度（R2）三个指标上的表现均优于其他模型。建立了两类0-1整数规划模型进行路面养护资金优化分配,分别为以资金最小为目标和以路网整体性能最优为目标。基于灰狼优化算法（GWO）,提出了灰狼位置搜索空间的离散化方法,并引入非线性收敛因子和反向学习理论进行改进,提出了一种改进二进制灰狼优化算法（HBGWO）,并将其用于本文的资金分配模型,对太旧公司高速公路网进行了实例求解。最后,分别针对三种性能水平约束和三种资金水平约束,用HBGWO与遗传算法（GA）求解两种模型进行比对。实验结果表明HBGWO在两种模型求解都能使预算资金得到合理的应用。此外,HBGWO在不同的资金水平约束下的资金分配模型求解相较GA显示出更好的鲁棒性。本文的研究为公路管理部门今后开展养护资金分配决策工作提供了一定的参考价值。