多智能体系统的蜂拥控制思想来源于生物群体仅通过简单的、个体间的信息交流，便能在群体层面涌现出复杂、有序的群体行为，这一现象引起了众多领域学者的持续关注和研究。对多智能体系统而言，如何在缺少集中式控制和全局模型的情况下，仅通过智能体间的局部信息交互和自组织行为，实现多智能体系统的蜂拥控制成为了当前研究的热点。本文在学习和总结相关研究成果的基础上，借鉴社团划分和局部拓扑优化的思想，进一步研究了多智能体系统的蜂拥控制问题。本文的主要研究内容和成果如下：1.介绍与论文研究内容相关的预备知识和算法。主要的预备知识包括，矩阵论和代数图论；相关算法包括，基本蜂拥控制算法、带虚拟领导者的蜂拥控制算法、牵制控制算法、粒子群优化算法和社团划分算法。2.针对当前大部分蜂拥控制算法应用于大规模多智能体系统的蜂拥控制时，存在蜂拥速度慢的缺点。借鉴复杂网络社团结构划分的思想，对大规模多智能体系统的拓扑结构进行分析。随后采用基于空间距离的社团划分算法，将大规模多智能体系统划分为若干个内部智能体通信连接紧密，与外部智能体通信连接相对稀疏的子社团，将传统的蜂拥控制问题转化为多个社团的蜂拥控制，有效的提高了大规模多智能体系统的蜂拥速度。3.在对Olfati-Saber提出的经典带虚拟领导者蜂拥控制算法深入学习的基础上，进一步研究虚拟领导者速度信息对多智能体系统连通性保持的调节作用，通过三组仿真实验验证了虚拟领导者速度过大或者过小都不利于多智能体系统的蜂拥控制的设想。随后，结合粒子群优化算法对虚拟领导者的速度进行优化，以多智能体系统的代数连通度作为适应度函数，求取使多智能体系统代数连通度取最大值时的虚拟领导者速度，给出了一种基于虚拟领导者速度优化的多智能体系统蜂拥控制策略。最后，仿真结果验证了本章提出的虚拟领导者速度优化策略的有效性。