一种基于博弈灰狼算法的充电站动态定价方法

本发明提出了一种基于博弈灰狼算法的充电站动态定价方法，以解决单个充电站的动态定价问题。该方法通过对充电站动态定价问题进行建模，结合马尔可夫决策过程，引入双层逐减的种群缩减策略，逐步缩小搜索范围，提高算法的全局搜索效率；同时，结合自适应局部搜索策略，动态调节局部搜索强度以尽可能求解最优解。为进一步提升算法性能，本发明融合了神经可塑性变异策略，增强算法跳出局部最优的能力，并设计了基于分层博弈的竞争合作机制，平衡种群间的全局搜索与局部收敛能力。这些改进有效提升了算法的收敛性、稳定性与鲁棒性。实验结果表明，本发明在动态需求下具有良好的求解精度和收敛效率，显著提升了充电站的收益优化能力和动态定价的准确性，为充电站动态定价问题提供了一种高效且实用的解决方案。