博弈论作为一种重要的分析工具被广泛应用到了金融学、生物学、计算机科学、人工智能等众多领域。根据玩家间是否能达成具有约束力的协议,博弈可以分为合作博弈以及非合作博弈。近年来,非合作博弈在移动传感器网络设计、智能电网、无人驾驶等众多问题上得到了广泛研究。非合作博弈的本质在于决策与优化。一个非合作博弈问题主要包括以下三个重要的元素:玩家、玩家策略以及代价函数。在非合作博弈中,玩家根据代价函数改变自己的策略,最终达到纳什均衡。在纳什均衡下,任何玩家都不能通过单方面改变决策的方式达到降低其代价函数的目的。本文将在非合作博弈的理论框架下,将智能体与参与博弈的玩家相联系,从而非合作博弈被描述为由有限数量的智能体参与的优化问题。然而在实际的工业环境中,存在着许多的环境噪声以及未知干扰可能会使得系统难以收敛于纳什均衡。考虑多智能体系统中在实际环境中可能会受到的噪声,本文主要研究了受到未知模型的干扰的多智能体系统的纳什均衡搜索问题,主要工作如下所示:（1）在非合作博弈的框架下,智能体通过改变控制输入改变自身策略状态。然而在实际工业环境中,不可避免地存在噪声与干扰,并且这些噪声与干扰的模型往往是未知的。这对于智能体策略状态的更新有很大影响,从而使其难以甚至于无法收敛到纳什均衡。针对该问题,在智能体动态为一般线性系统的非合作博弈问题中,通过将外部扰动视为扩展状态,设计了一种广义扩展状态观测器来观测并抑制扰动。基于所设计观测器,根据智能体间通信情况,即针对完全信息和不完全信息两种情况,分别设计了基于代价函数梯度的集中式和分布式纳什均衡搜索算法。在分布式纳什均衡搜索算法下,智能体通过邻居通信,利用一致性协议种来估计所有智能体策略的聚合变量。最后,证明了在所设计的算法的驱动下,各个智能体将会收敛到纳什均衡点的一个邻域。（2）考虑未知模型的扰动是通过与控制输入不同的通道进入系统的情况,即系统所受到扰动为不匹配扰动的情况。论文针对受到上述干扰的双积分器系统的聚合博弈问题,设计了一种基于广义扩展状态观测器的纳什均衡搜索算法,并利用李雅普诺夫稳定性理论以及无源性理论,证明了所设计算法的收敛性。在所设计的算法驱动下,智能体最终可以收敛到纳什均衡点的一个邻域。