多智能体系统是由多个智能体组成的集合,它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的,易于管理的系统。多智能体系统协调控制在编队控制、群集、蜂拥、通信网络的拥塞控制和分布式传感器网络中有着非常广泛的应用。一致性问题作为多智能体系统协调控制的基础问题之一,受到各个领域研究者越来越多的关注。一致性是指多智能体系统中所有智能体的某个或某些状态随着时间的推移趋于一致。在实际应用的时候,系统收敛速度的快慢与否成为一致性协议好坏的重要评判标准。虽然快速一致性问题已经得到广泛的研究,并且取得了大量的研究成果,但仍有许多问题值得我们进一步深入的思考。比如,如何尽可能多地利用已知智能体的信息,提高系统信息的完整性,使系统达到快速一致；此外,在有时延、拓扑切换等因素的影响下,如何设计合理的一致性协议,使系统能够快速收敛到一致。本文的主要研究内容概括如下：1)研究了具有多类通信时延的多智能体系统快速一致性跟踪问题。针对同时存在通信时延和输入时延的一阶离散多智能体系统,通过引入增量PID算法,研究该系统的快速一致性跟踪问题,经过稳定性分析,得到系统快速收敛的充分条件。进而,通过基于遗传算法的PID参数寻优方法对该一致性算法进行优化,使得系统的一致性收敛速度进一步加快；2)研究了基于局部信息反馈的多智能体系统快速一致性问题。针对一阶连续多智能体系统在有向网络下的快速一致性问题,提出了一种基于局部信息反馈的一致性协议。利用矩阵理论和时域分析方法,分别分析了系统在具有单增益和双增益调节的情况下,系统的闭环特征值与增益的关系；3)研究了一致性在模糊控制和滤波算法中的应用。首先,提出了多智能体系统模糊PID一致性跟踪算法,考虑在干扰和时延的影响下,系统的稳定性能；其次,分析了一种作用于估计值的一致性卡尔曼滤波器算法,通过仿真实例分析,该算法能很好的对高斯白噪声进行滤波。