自然界中存在着各式各样的多智能体系统蜂拥现象，从蚁群的合作智能行为到角马的迁徙运动，甚至于人类活动的本身都属于此。近年来，越来越多的学者们开始致力于研究和解释那些隐藏于自然群体蜂拥行为背后的协同合作控制规则，并将取得的成果应用到了无线传感器网络、智能交通体系，以及多飞行器系统等众多领域当中。在这些工作的基础上，本篇论文针对多智能体系统蜂拥控制问题开展了进一步研究，重点分析了多智能体系统蜂拥控制中所涉及的编队问题、异种噪声干扰问题，以及非对称蜂拥作用问题，着重考虑了多智能体系统自感知、自组织、自适应、自优化特征，为无线传感器网络系统同步与拓扑优化、多飞行器系统编队与干扰分析等问题研究提供了有效理论支撑。　　首先，针对系统编队问题，本篇论文在研究工作中建立了多智能体系统自适应A/R蜂拥编队模型，其赋予了智能体个体基于自身局部环境信息自适应调节A/R作用范围的能力，有效地调和了传统模型中编队分裂问题与编队非规则化问题之间存在的矛盾，促进了系统实际拓扑结构向期望编队形态的收敛，解决了传统模型中存在的系统仅基于本地局部信息难以构建聚集规则蜂拥编队的问题。同时，本文亦针对性地分析与讨论了引起系统编队多样性的部分关键参数、系统聚集性的影响因子及其演化过程等问题。　　其次，针对异种噪声干扰问题，本篇论文在研究工作中将多智能体系统蜂拥编队模型扩展到了更为实际的噪声环境之中，并重点研究了引起智能体感知信息不确定性的感知噪声和引起智能体调控行为不确定性的行为噪声对于模型所产生的影响。对比分析表明，不同类型的噪声引入方式会对多智能体系统编队性能产生不同程度的干扰，相比而言，行为噪声影响下的模型会表现出更强鲁棒性。此外，论文对比了异种噪声干扰下的自适应A/R蜂拥模型针对不同噪声水平所表现出的聚集性特征，并重点分析了系统由于强烈感知噪声所引起的A/R作用误判效应。　　最后，针对现有的多智能体系统蜂拥控制模型大多只考虑系统同构而忽略了其中个体及局部环境异构特征的问题，本篇论文中提出了多智能体系统蜂拥控制密度策略，建立了引入个体差异性局部环境信息的多智能体系统蜂拥控制模型，成功实现了基于智能体个体异质非对称A/R蜂拥调控作用的多智能体系统全局一致性蜂拥聚集状态。在相关的分析与讨论中，论文基于复杂网络理论将多智能体蜂拥系统作为一个时变的有向加权网络来处理，并分别从网络宏观结构与微观结构的角度分析了系统蜂拥演化特征。