1.一种无人机协同决策的评价方法，其特征在于，包括：获取无人机协同决策方案，将所述无人机协同决策方案进行任务综合分析，得到任务分析数据；

采用所述任务分析数据更新初始协同决策自评价体系框架，得到目标协同决策自评价体系框架；

采用所述目标协同决策自评价体系框架，结合所述无人机协同决策方案对应的环境态势，构建在线评价指标；

基于所述在线评价指标和初始动态贝叶斯网络在线评价模型进行决策评价，得到所述无人机协同决策方案对应的评价结果；

所述目标协同决策自评价体系框架中的评价指标包括初始动态指标和初始静态指标；

所述采用所述目标协同决策自评价体系框架，结合所述无人机协同决策方案对应的环境态势，构建在线评价指标的步骤，包括：采用预设量化方法结合所述无人机协同决策方案对应的环境态势对所述初始动态指标进行权重赋值，得到目标动态指标；

采用预设专家评判方法结所述环境态势对所述初始静态指标进行权重赋值，得到目标静态指标；

采用所述目标动态指标和所述目标静态指标，构建在线评价指标；

所述基于所述在线评价指标和初始动态贝叶斯网络在线评价模型进行决策评价，得到所述无人机协同决策方案对应的评价结果的步骤，包括：采用所述在线评价指标更新初始动态贝叶斯网络在线评价模型中的状态量、控制量、观测量、历史控制量、历史观测量、环境参变量和信誉值变量，得到目标动态贝叶斯网络在线评价模型；

将所述无人机协同决策方案输入所述目标动态贝叶斯网络在线评价模型进行决策评价，得到所述无人机协同决策方案对应的评价结果；

所述目标动态贝叶斯网络在线评价模型包括信誉值变量公式；所述将所述无人机协同决策方案输入所述目标动态贝叶斯网络在线评价模型进行决策评价，得到所述无人机协同决策方案对应的评价结果的步骤，包括：采用所述无人机协同决策方案对应的预设概率数据，计算所述无人机协同决策方案对应的后验概率，并将所述后验概率作为置信度阈值；

通过所述目标动态贝叶斯网络在线评价模型计算所述无人机协同决策方案的置信度，得到置信度；

判断所述置信度是否大于所述置信度阈值；

若是，则将所述置信度代入所述信誉值变量公式计算所述无人机协同决策方案对应的信誉值变量，得到信誉值变量；

所述信誉值变量公式为：

；

其中， 为信誉值变量； 为t时刻的置信度； 为t‑1时刻的置信度；

计算所述信誉值变量、所述置信度和对应环境参变量之间的乘值，得到所述无人机协同决策方案对应的评价结果；

若否，则将所述无人机协同决策方案对应的下一个协同决策方案作为所述无人机协同决策方案，并跳转执行所述通过所述目标动态贝叶斯网络在线评价模型计算所述无人机协同决策方案的置信度，得到置信度的步骤；

所述目标动态贝叶斯网络在线评价模型包括归一化因子公式和置信度函数公式；所述通过所述目标动态贝叶斯网络在线评价模型计算所述无人机协同决策方案的置信度，得到置信度的步骤，包括：采用所述归一化因子公式计算所述无人机协同决策方案对应的归一化因子，得到归一化因子；

所述归一化因子公式为：

；

其中， 为归一化因子； 为基于1 t‑1时刻的观测量条件下，产生t时~

刻状态量并转移至t时刻观测量的条件概率； 为t时刻的观测模型；

为基于1 t‑1时刻的观测量条件下，产生t时刻状态量的条件概率； 为t时刻的观测量；

~

为t时刻的状态量； 为历史观测，即初始时刻0到当前时刻t‑1无人机机载的传感器对环境的观测数据；

采用所述归一化因子代入所述置信度函数公式计算所述无人机协同决策方案对应的置信度，得到置信度；

所述置信度函数公式为：

；

其中， 为t时刻的置信度； 为归一化因子； 为t时刻的观测模型；

为运动转移概率； 为t时刻的观测量； 为t时刻的状态量； 为t‑1时刻的状态量； 为控制量。

2.根据权利要求1所述的无人机协同决策的评价方法，其特征在于，所述将所述无人机协同决策方案进行任务综合分析，得到任务分析数据的步骤，包括：将所述无人机协同决策方案依次经过任务层、准则层、决策层和评价层进行评价任务剖面分析，得到剖面分析数据；

采用所述剖面分析数据结合对应的态势变化数据和地面指令进行任务开放闭环路径分析，得到开放闭环路径分析数据；

采用所述剖面分析数据结合对应的地面指令、评价反馈和态势变化数据进行多任务序列分析，得到多任务序列分析数据；

采用所述开放闭环路径分析数据和所述多任务序列分析数据，构建任务分析数据。

3.根据权利要求1所述的无人机协同决策的评价方法，其特征在于，所述初始协同决策自评价体系框架包括评价背景、评价目标、评价指标、评价模型和评价标准；所述采用所述任务分析数据更新初始协同决策自评价体系框架，得到目标协同决策自评价体系框架的步骤，包括：按照所述评价背景、所述评价目标、所述评价指标、所述评价模型和所述评价标准对应的数据选取标准，从所述任务分析数据中选取对应的评价数据集；

采用所述评价数据集更新初始协同决策自评价体系框架，得到目标协同决策自评价体系框架。

4.一种无人机协同决策的评价系统，其特征在于，包括：任务分析数据得到模块，用于获取无人机协同决策方案，将所述无人机协同决策方案进行任务综合分析，得到任务分析数据；

目标协同决策自评价体系框架得到模块，用于采用所述任务分析数据更新初始协同决策自评价体系框架，得到目标协同决策自评价体系框架；

在线评价指标构建模块，用于采用所述目标协同决策自评价体系框架，结合所述无人机协同决策方案对应的环境态势，构建在线评价指标；

评价结果得到模块，用于基于所述在线评价指标和初始动态贝叶斯网络在线评价模型进行决策评价，得到所述无人机协同决策方案对应的评价结果；

所述目标协同决策自评价体系框架中的评价指标包括初始动态指标和初始静态指标；

所述在线评价指标构建模块包括：

目标动态指标得到模块，用于采用预设量化方法结合所述无人机协同决策方案对应的环境态势对所述初始动态指标进行权重赋值，得到目标动态指标；

目标静态指标得到模块，用于采用预设专家评判方法结所述环境态势对所述初始静态指标进行权重赋值，得到目标静态指标；

在线评价指标构建子模块，用于采用所述目标动态指标和所述目标静态指标，构建在线评价指标；

所述评价结果得到模块包括：

目标动态贝叶斯网络在线评价模型得到模块，用于采用所述在线评价指标更新初始动态贝叶斯网络在线评价模型中的状态量、控制量、观测量、历史控制量、历史观测量、环境参变量和信誉值变量，得到目标动态贝叶斯网络在线评价模型；

评价结果得到子模块，用于将所述无人机协同决策方案输入所述目标动态贝叶斯网络在线评价模型进行决策评价，得到所述无人机协同决策方案对应的评价结果；

所述目标动态贝叶斯网络在线评价模型包括信誉值变量公式；所述评价结果得到子模块执行以下步骤：采用所述无人机协同决策方案对应的预设概率数据，计算所述无人机协同决策方案对应的后验概率，并将所述后验概率作为置信度阈值；

通过所述目标动态贝叶斯网络在线评价模型计算所述无人机协同决策方案的置信度，得到置信度；

判断所述置信度是否大于所述置信度阈值；

若是，则将所述置信度代入所述信誉值变量公式计算所述无人机协同决策方案对应的信誉值变量，得到信誉值变量；

所述信誉值变量公式为：

；

其中， 为信誉值变量； 为t时刻的置信度； 为t‑1时刻的置信度；

计算所述信誉值变量、所述置信度和对应环境参变量之间的乘值，得到所述无人机协同决策方案对应的评价结果；

若否，则将所述无人机协同决策方案对应的下一个协同决策方案作为所述无人机协同决策方案，并跳转执行所述通过所述目标动态贝叶斯网络在线评价模型计算所述无人机协同决策方案的置信度，得到置信度的步骤；

所述目标动态贝叶斯网络在线评价模型包括归一化因子公式和置信度函数公式；所述评价结果得到子模块还执行以下步骤：采用所述归一化因子公式计算所述无人机协同决策方案对应的归一化因子，得到归一化因子；

所述归一化因子公式为：

；

其中， 为归一化因子； 为基于1 t‑1时刻的观测量条件下，产生t时~

刻状态量并转移至t时刻观测量的条件概率； 为t时刻的观测模型；

为基于1 t‑1时刻的观测量条件下，产生t时刻状态量的条件概率； 为t时刻的观测量；

~

为t时刻的状态量； 为历史观测，即初始时刻0到当前时刻t‑1无人机机载的传感器对环境的观测数据；

采用所述归一化因子代入所述置信度函数公式计算所述无人机协同决策方案对应的置信度，得到置信度；

所述置信度函数公式为：

；

其中， 为t时刻的置信度； 为归一化因子； 为t时刻的观测模型；

为运动转移概率； 为t时刻的观测量； 为t时刻的状态量； 为t‑1时刻的状态量； 为控制量。

5.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至3任一项所述的无人机协同决策的评价方法的步骤。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至3任一项所述的无人机协同决策的评价方法。