近年来,由于多智能体系统在卫星、无人机、机器人以及交通调度等诸多军事和工业领域取得了应用,多智能体系统的分布式协同控制技术受到了广泛关注。一致性控制问题是分布式协同控制技术研究中的基础问题,其目标是针对单个智能体设计分布式控制策略,使其通过与局部邻居进行信息交互达到某些关键量的一致,满足特定的任务要求。目前一致性控制问题的研究主要集中在探讨如何实现一致性行为上,取得了丰硕的研究成果。然而,实际工程应用不仅要求设计的一致性控制协议实现一致性和保持系统稳定性,而且要满足系统的关键性能要求,这对当前的研究提出了挑战。因此,本文在系统总结前人工作的基础上,在多智能体领航-跟随（Leader-follower）框架下,从预设性能控制和优化两个方向对该问题展开研究,进一步丰富该方向的研究成果,论文的主要研究内容概括如下:（1）针对有向通信拓扑下量化控制的非线性多智能体系统,研究了具有预设性能要求的一致性控制问题。分别对严格反馈和非严格反馈的非线性多智能体系统,针对部分不可精确测量的状态,设计了神经网络状态观测器,并基于预设性能控制方法、动态面控制方法,设计了基于输出反馈的预设性能一致性控制协议。基于Lyapunov稳定性理论,证明了闭环系统的所有信号一致最终有界,同步误差满足给定的瞬态、稳态性能要求。（2）针对有向通信拓扑下输入饱和的非线性多智能体系统,研究了基于事件触发的预设性能一致性控制问题。首先,利用神经网络逼近未知非线性函数,设计神经网络状态观测器估计部分不可测量的状态。然后,基于预设性能控制方法、动态面控制方法,分别引入相对阈值策略和切换阈值策略,为了解决输入饱和问题,构造辅助信号,设计了基于事件触发的预设性能一致性控制协议,并对两种控制协议进行了对比分析。基于Lyapunov稳定性理论,证明了闭环系统所有信号一致最终有界,保证了同步误差满足给定的瞬态、稳态性能要求,且避免了Zeno现象。（3）针对输入饱和的非线性多智能体系统,基于Bellman最优化原理和自适应动态规划方法,研究了基于事件触发的最优一致性控制问题。为了解决控制输入受限的问题,引入一类非二次型指标。基于事件触发采样机制,在单网络架构下,利用神经网络设计最优一致性控制协议,仅当不满足事件触发条件时,控制器对传感信号进行采样,神经网络权值估计向量和控制发生更新,有效减少了计算和通信开销。基于Lyapunov稳定性理论,证明了闭环系统所有信号一致最终有界,避免了Zeno现象。（4）针对有向通信拓扑下受外部扰动的非线性多智能体系统,智能体动力学特性用欧拉-拉格朗日模型描述,研究了基于事件触发通信的鲁棒一致性控制问题。基于触发通信交换的状态信息,导出了分布式状态估计器和事件触发机制,并设计了局部自适应控制器。基于微分博弈理论和自适应动态规划方法,在单网络架构下,利用神经网络逼近纳什均衡解,设计了局部鲁棒最优控制器。本章设计的基于事件触发通信的鲁棒一致性控制协议,避免了智能体之间的实时通信要求,有效减少了计算和通信开销,同时,避免了对通信拓扑无向、全局信息已知等要求,提升了非线性多智能体系统的抗扰能力。基于Lyapunov稳定性理论,证明了闭环系统所有信号一致最终有界,避免了Zeno现象。（5）针对由非完整轮式移动机器人组成的不确定非线性多智能体系统,考虑机器人受侧滑和轮打滑影响存在的不确定非线性,研究了满足预设性能要求的编队控制问题。为了解决输入力矩饱和问题,引入双曲正切函数逼近受饱和影响的控制输入,通过构造神经网络估计和补偿包含未知侧滑、轮打滑项的非线性函数,基于预设性能控制方法和动态面控制方法,设计了一种编队控制协议。基于Lyapunov稳定性理论,证明了闭环误差系统所有信号一致最终有界,保证编队误差满足预设瞬态、稳态性能要求,同时,提升了不确定非线性多智能体系统的环境适应能力。