1.一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：方法包括：

威胁估计：对信息综合后的目标特征与属性采用模糊逻辑方法进行推理得到威胁估计结果：

态势评估：将威胁估计得到的威胁估计结果和态势评估的环境影响因素输入态势评估的模糊推理器，进行态势评估并得到初步的态势评估结果；

优化模糊推理器：根据态势评估的环境影响因素的实时变化，结合遗传算法不断优化模糊推理器，输出得到最终的态势评估结果。

2.根据权利要求1所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述威胁估计步骤中采用模糊逻辑专家系统对信息综合后的目标特征与属性进行推理得到威胁估计结果，模糊逻辑专家系统的结构包括：模糊器和输出处理器，目标特征与属性输入模糊器，模糊器输出的模糊输入集经过模糊推理机制进行推理得到模糊输出集，模糊推理机制基于专家规则库进行，模糊输出集传输到输出处理器，输出处理器输出得到结果。

3.根据权利要求1所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述方法中的规则库采用或逻辑规则组合。

4.根据权利要求1所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述态势评估的模糊推理器采用区间二型模糊集推理器。

5.根据权利要求1或4所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述态势评估的模糊推理器结构包括：模糊器和输出处理器，将威胁估计结果和环境影响因素输入模糊器，模糊器输出的模糊输入集经过模糊推理机制进行推理得到模糊输出集，模糊推理机制基于规则库进行，模糊输出集传输到输出处理器，在输出处理器中经过类型降维得到类型降维集和经过解模糊器得到输出结果。

6.根据权利要求1所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述优化模糊推理器步骤中，遗传算法采用多参数编码的方式对求解问题进行编码，各参数分别以一种码制编码，然后再按顺序联接组成表示全部参数的个体编码。

7.根据权利要求1所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述态势评估的具体方法步骤为：基于威胁估计得到的威胁估计结果和态势评估的环境影响因素进行初始化模糊隶属函数集，然后基于初始化模糊隶属函数集的结果进行初始化规则库与遗传编码，再基于初始化规则库与遗传编码的结果进行态势评估得到初步的态势评估结果。

8.根据权利要求1所述的一种基于遗传模糊逻辑树的威胁估计与态势评估方法，其特征在于：所述优化模糊推理器的具体方法步骤为：S1、对态势评估得到的初步的态势评估结果进行验证是否满足目标函数；

S2、若满足则输出该初步的态势评估结果为最终的态势评估结果，如不满足则运行遗传算法更新隶属函数与规则库，并对更新后的隶属函数与规则库进行判断是否满足最大迭代次数，若满足则输出该初步的态势评估结果为最终的态势评估结果，若不满足则返回态势评估步骤，基于更新后的隶属函数与规则库进行重新进行态势评估，并继续步骤S1。