1.一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于，获取策略包括以下步骤：S1、对于三段式充电的三个充电阶段，分别建立电压集合和容量集合，其中三个充电阶段为恒流充电阶段、恒压充电阶段和涓流充电阶段；

S2、建立包含观察蜂、侦察蜂和采蜜蜂的充电蜂群系统，通过充电蜂群系统，迭代搜索各个充电阶段的最优蜜源信息，即为充电电压和电池容量混合变化率的最优解；

S3、建立包含竞争层、神经元聚集层、动态调整层和传递层的GSOM动态拓扑模型；

S4、依据GSOM动态拓扑模型，初始化充电蜂群系统中的蜜蜂个体，形成初始种群，在充电蜂群系统的迭代搜索过程中，通过GSOM动态拓扑模型动态调整蜜蜂个体的位置和行为，当某个蜜蜂个体无法有效搜索最优蜜源信息时，调整其搜索策略，增加搜索范围，最终获取各个充电阶段的最优蜜源信息，以此建立起快速充电控制系统，实现快速充电控制策略。

2.根据权利要求1所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：所述的S1中，针对恒流充电阶段、恒压充电阶段和涓流充电阶段的充电电压变化和电池已充容量变化，分别建立电压集合和容量集合：恒流充电阶段的电压集合vin

恒压充电阶段的电压集合vin

涓流充电阶段的电压集合vin

其中，n、p、q分别是恒流充电阶段、恒压充电阶段、涓流充电阶段所采集数据的个数。

3.根据权利要求2所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：所述的S2中，对应三个充电阶段，分别设定三个蜜源搜索方向，分别为NS充电蜂群系统的最优解的解空间维度为6，对应三个充电阶段，该解空间维度Space表示为：充电电压和电池容量混合变化率的最优解即为恒流充电阶段、恒压充电阶段、涓流充电阶段的充电电压和电池容量的最优的混合变化率，分别记为Mix

4.根据权利要求3所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：迭代搜索过程中，观察蜂寻找新的蜜源信息的搜索公式如下：式中，

搜索过程中，观察蜂选择蜜源信息的概率表示为：式中，f

侦察蜂在搜索过程中的搜索公式为：

式中，

侦察蜂选择蜜源信息的概率表示为：

式中，g

采蜜蜂在采蜜过程中，选择蜜源信息的概率P

式中，

5.根据权利要求4所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：对于三个蜜源搜索方向NS式中，NS代表NS

6.根据权利要求4所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：所述的S3中，竞争层包括一层神经元和二层神经元，对应电压集合和容量集合中的数据，将一层神经元和二层神经元定义为电压神经元和容量神经元，竞争层中的每一个神经元相当于一个根节点；神经元聚集层为每个充电阶段的短时最优蜜源信息；动态调整层对神经元聚集层进行动态调整；传递层将神经元聚集层中的最优蜜源信息传递给各个蜜蜂个体。

7.根据权利要求5所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：竞争层中，神经元之间的权重关系D表示为：式中，v

8.根据权利要求6所述的一种基于GSOM改进人工蜂群的快速充电控制策略，其特征在于：所述的S4中，基于GSOM动态拓扑模型最终获取各个充电阶段的最优蜜源信息是过程为：S41、将GSOM动态拓扑模型的初始拓扑半径定义为式中，b为迭代次数，

S42、通过GSOM动态拓扑模型初始化充电蜂群系统的蜜蜂个体，蜜蜂个体与vS43、在充电蜂群系统的迭代搜索过程中，动态调整蜜蜂个体的位置和行为，表示为：式中，

S44、当某个蜜蜂个体无法有效搜索最优蜜源信息时，调整其搜索策略，增加搜索范围，进行动态调整搜索，对于恒流充电阶段电压输入向量VIN1的动态调整搜索，表示为：式中，

对于恒压充电阶段电压输入向量VIN2和涓流充电阶段电压输入向量VIN3，以及恒流充电阶段容量输入向量CIN1、恒压充电阶段容量输入向量CIN2和涓流充电阶段容量输入向量CIN3的动态调整搜索，以此类推。