一种基于前景理论和强化学习的自动交易方法及系统

本发明公开一种基于前景理论和强化学习的自动交易方法及系统，属于电力市场领域；方法包括：基于前景理论的价值函数对产消者的感知损失和收益进行建模，得到量化用户对收益和损失的感知模型；构建买家效用模型并采用差分进化算法进行求解；卖家建模为独立的学习代理，采用基于风险规避的Q‑learing算法进行卖家动态定价；依次迭代求解买家效用模型的算法和卖家动态定价的算法，得到各个交易时段的买卖双方交易信息与策略；采用价值函数量化不同买家的内在异质性的同时，最大限度地提高购买者个体效用，并基于Q‑learing算法动态决策卖家的最优销售价格，提高用户的经济效益和交易效率，最终实现海量产消者下用户的自动交易，为用户交易决策提供参考。