多智能体系统的编队控制因其广泛的领域和强大的实际应用能力而受到世界各国学者的广泛青睐。作为多智能体协同控制的基本问题,编队控制越来越受到人们的关注。目前存在的主要问题是在静态或动态障碍物的复杂环境下,多智能体编队如何划分、重构、保持队形及避障,进而安全地移动到目标地点完成复杂任务。随着多智能体编队控制的理论研究不断完善及应用技术日益提高,在编队控制及避障问题成为了多智能体编队研究的热门方向。多智能体编队控制及避障所涉及的算法也各有优缺点,需要不断的优化及完善,主要工作概括如下:(1)针对动态环境中多智能体编队避障问题,提出了一种基于人工势场法与布谷鸟搜索算法相结合的编队避障方法。该方法在动态队形变换策略的异构模式下,利用人工势场法为多智能体编队中每个智能体规划避障;针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用布谷鸟搜索算法中的莱维飞行机制思想,来随机搜索得到适应环境的增量系数。进行仿真实验表明,该方法能够有效地解决复杂环境下多智能体编队避障问题,使用效率函数对实验数据进行评价及分析,验证所优化方法的合理性和有效性。(2)针对未知环境下的多智能体编队控制问题,提出了模糊控制器与领航跟随法相结合的编队控制方法。首先,使用领航跟随法控制整个多智能体编队的队形,人工势场法对编队中的领航智能体进行导航朝向目标位置;其次,利用设计的模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,使得多智能体编队之间的队形及时保持及避障;最后,针对领航跟随法缺乏反馈的问题,领航智能体丢失则导致整个编队失去作用,编队中添加虚拟领航者,虚拟领航者的位姿与领航智能体一致,使整个多智能体编队保持队形。MATLAB仿真实验结果表明,该方法能使多智能体编队在未知环境下有效地队形保持以及避障,验证了此方法的合理性和有效性。(3)在未知环境下多智能体编队避障问题,针对人工势场法的引力增益系数和斥力增益系数设置的局限性,设计有调节系数的模糊控制器给定适应环境的增益系数,增强了人工势场法自适应性,也防止了人工势场法的局部极小值的缺点,仿真实验结果显示,验证所优化方法的合理性和有效性。