1.一种面向不确定事件的多智能体协同决策方法，其特征在于，该方法包括：T1、获取对抗双方的总策略空间；

T2、基于智能体性能偏好，设置优化目标；

T3、基于武器来源的基本信度分配，将所述优化目标转化为多个子优化目标，并基于每个所述子优化目标设置对应的支付函数；具体包括：T301～T305；

T301、计算武器来源的基本信度分配；

T302、基于武器来源的基本信度分配，设置智能体性能的可选值和对应的权重；

T303、构建与智能体性能的可选值数量对应的子优化目标；

T304、分别构建每个子优化目标对应的对抗双方的智能体性能优势矩阵；

T305、基于所述智能体性能优势矩阵，构建每个子优化目标的支付函数；

T4、基于支付函数，分别构建对抗双方的用于评估总策略空间的高维矩阵；

T5、基于对抗双方的高维矩阵进行求解，输出纳什均衡解；

其中，所述武器来源的基本信度分配的计算步骤包括：S1、获取对抗双方的参数，计算相对态势优势；

S2、对所述相对态势优势进行修正；

S3、基于修正后的相对态势优势，构建基本信度分配函数；

S4、基于基本信度分配函数，计算武器来源的基本信度分配；

其中，所述S2、对所述相对态势优势进行修正，包括如下步骤：S21、基于敌方发射武器数量，更新武器估计数量；

S22、基于武器估计数量设计相对态势优势的修正系数；

S23、基于修正系数，获得修正后的相对态势优势；

其中，所述S21、基于敌方发射武器数量，更新武器估计数量的方法为：定义：

表示观察到敌方总共发射第i枚武器时，敌方t号智能体携带武器估计数量，则：其中，Kt表示未开战前敌方单个智能体t携带武器的总数，Z表示敌方所有智能体的武器总数量， 表示敌方发射第i‑1枚武器时，由敌方智能体t发射武器的基本信度，且当i＝1时， 其中T为敌方智能体数量；

所述S22、基于武器估计数量设计相对态势优势的修正系数包括：采用sigmoid函数拟合，将敌方t智能体的武器发射第i个武器时的修正系数设定为其中， w和H属于超参数，w用于调节武器的慎重发射程度；H用于调节偏移程度；

所述S23、基于修正系数，获得修正后的相对态势优势为：其中， 为修正后的相对态势优势； 表示敌方发射的第i枚武器时，敌方智能体t对我方智能体s的相对态势优势；

所述S3、基于修正后的相对态势优势，构建基本信度分配函数，包括：采用softmax分类函数把修正后的相对态势优势映射到(0,1)上，实现态势优势的分类，则基本信度分配函数为：其中， 表示敌方发射第i枚武器时，敌方智能体t对我方智能体s的修正后的相对态势优势；

证据理论识别框架为Θ＝{B1,B2,...,Bt,...,BT,Bσ}；

表示敌方智能体t攻击我方智能体s的基本信度；

表示敌方智能体攻击我方智能体的不确定程度，其取值范围为σ∈(0,1)；

所述S4、基于基本信度分配函数，计算武器来源的基本信度分配包括：其中， 表示第i枚武器由敌方智能体t发射的基本信度；

表示第i枚武器由敌方智能体t向我方智能体s发射的基本信度；

为证据理论的算子。

2.如权利要求1所述的一种面向不确定事件的多智能体协同决策方法，其特征在于，所述对抗双方的参数包括：经纬度坐标、速度、高度和相对角度。

3.一种面向不确定事件的多智能体协同决策系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1‑2任一所述方法的步骤。