1.一种基因调控网络的优化控制方法，其特征在于，所述方法包括：
在概率模型检测器PRISM中对带有干扰的并且上下文相关的概率布尔网络进行建模，得到基于PRISM的概率布尔网络模型；
利用所述PRISM中的reward结构对所述概率布尔网络的状态设置不同的状态回报值，所述状态回报值用于表征控制成本函数和终端成本；
确定分别对有限范围和无限范围进行控制成本优化的第一时序逻辑公式和第二时序逻辑公式；
将所述基于PRISM的概率布尔网络模型、所述不同的状态回报值以及所述第一时序逻辑公式和第二时序逻辑公式输入所述概率模型检测器PRISM中，得到最优的优化控制结果。
2.根据权利要求1所述的方法，其特征在于，在概率模型检测器PRISM中对带有干扰的并且上下文相关的概率布尔网络进行建模，得到基于PRISM的概率布尔网络模型具体包括：
将所述概率布尔网络中的各个布尔函数转换为实数域上的多项式形式，所述概率布尔网络中包括多个普通结点和多个控制结点；
获取预设马尔科夫决策过程，所述马尔科夫决策过程中包括转换概率、转换开关、干扰概率和干扰事件；
分别对所述转换开关、所述干扰事件、所述普通结点以及所述控制结点进行建模，得到所述基于PRISM的概率布尔网络模型。
3.根据权利要求1所述的方法，其特征在于，对所述转换开关进行建模具体包括：
设定所述转换开关的取值为0或者1，其中，所述转换概率的值可使得所述转换开关取值为1，下述公式可使得所述转换开关取值为0：
1-q
其中，q表示所述转换概率的值；
当所述转换开关取值为1时，所述概率布尔网络按照概率分布随机选择一个布尔网络作为网络的演变规则；
当所述转换开关取值为0时，保持当前的布尔网络不变。
4.根据权利要求1所述的方法，其特征在于，对所述干扰事件进行建模具体包括：
设定所述干扰事件的取值为0或者1，其中，所述转换概率的值可使得所述干扰事件取值为1，下述公式可使得所述干扰事件取值为0：
1-q
其中，q表示所述转换概率的值。
5.根据权利要求1所述的方法，其特征在于，所述第一时序逻辑公式为：
Rmin＝？:[C<＝T+1]
其中，所述第一时序逻辑公式表示有限范围对应的最小累计回报值，所述累计回报值为每个时刻的控制成本函数值以及终端成本的累加，Rmin表示操作符，C表示累计时间，T表示整数变量，？:表示条件运算符；
所述第二时序逻辑公式为：
Rmin＝？:[Fprop]
其中，所述第二时序逻辑公式表示无限范围对应的最小可达性回报值，F表示时序逻辑词，prop表示目标状态。