近年来,多智能体协同控制成为控制领域的研究热点之一,一致性作为多智能体协同控制的基本问题,其应用涉及无人机编队、机器人等领域。实际中,多智能体系统需要分成多个簇,甚至因任务需求、物理环境或网络状况变化等需要改变队伍结构,才能完成复杂的任务。多智能体系统中智能体往往是空间分布的,通过网络拓扑连接实现信息交互。事件触发机制可在理想的系统性能和有限的网络通信资源之间进行折中。考虑到不同簇智能体的运行状态因其所处物理环境或网络状况不同,信息更新需求不同,设计有效的事件触发机制区分智能体的不同信息更新频率亟需解决。另外,各智能体通常难以从邻居智能体获得完整而准确的状态信息,利用直接测量获得的输出信息设计反馈控制在技术上比状态反馈更容易实现。然而,如何以较小的代价或者保守性处理输出反馈控制设计引发的非凸问题一直在研究。近年来,智能算法因其在大规模信息处理中的优越性得到研究者的青睐,尝试应用智能算法来解决矩阵不等式的非凸性问题是值得探索的。本文针对典型的线性多智能体系统,提出一系列新颖的事件分簇触发机制、分簇一致控制协议以及控制增益和触发参数联合设计智能算法,进行分簇一致性控制研究,主要包括以下几个部分:（1）提出两种静态事件分簇触发机制。主要创新之处在于将触发条件中累积误差根据邻居智能体所在簇分成簇内和簇外两个部分,或簇内和簇间多个部分,并赋予不同的权重矩阵和阈值参数以区分智能体所处簇不同时其信息更新需求不同;基于两种静态事件分簇触发机制分别设计分簇一致性控制协议;提出一种有效的适应度函数为累加形式的多种群遗传算法（Genetic Algorithm,GA）处理由输出反馈控制增益与变量矩阵耦合引起的矩阵不等式的非凸问题,实现控制增益和事件触发阈值参数的联合设计;搭建多卫星编队的数值仿真平台,验证多智能体系统使用基于两种静态事件分簇触发机制的控制协议均可实现分簇一致,通过与其他事件触发机制对比,验证所提出的两种静态事件分簇触发机制的优越性。（2）提出一种基于组合测量的动态事件分簇触发机制,创新点在于将事件触发条件中累积误差分为簇内和簇外两部分,分别赋予具有不同初值和动态变化规则的动态阈值参数,以区分智能体对簇内邻居智能体和簇外邻居智能体不同的信息更新需求。一方面动态阈值参数使事件触发条件实现动态调整,更灵活地权衡系统性能和网络资源节约,另一方面触发条件中将智能体与其邻居智能体在当前时刻和最新触发时刻的状态差值作为误差状态更有利于将自身状态的更新与整个系统联系起来;基于所提动态事件分簇触发机制,建立固定和马尔可夫切换网络拓扑下的分簇一致性控制协议;提出基于粒子群（Particle swarm optimization,PSO）的控制设计算法对动态阈值参数初值和控制增益进行联合设计;应用多卫星编队模型,验证多智能体系统在所提动态事件分簇触发机制和控制协议下可实现分簇一致性,通过与其他机制比较,分析该事件触发机制的优越性。（3）提出一种弹性动态事件分簇触发机制,即在阈值参数的动态变化规则中加入弹性系数。设计弹性系数的目的在于各簇可根据实际网络状况选择不同参数,将所有簇分为网络拥挤和网络不拥挤两类,各智能体的事件触发条件中累积误差也相应地分为两个部分,使得整个系统在有限的网络资源下实现期望的系统性能;针对同构和异构多智能体,设计基于所提弹性动态事件分簇触发机制的分簇一致性控制协议;将遗传算法的交叉和变异操作引入粒子群算法中,设计粒子群算法和遗传算法结合的控制增益和动态阈值参数联合设计算法;通过多卫星编队仿真,验证同构和异构多智能体系统在基于弹性动态事件分簇触发机制的控制协议下可实现分簇一致。在不同时间段分别设计不同弹性系数进行比较,体现该机制的有效性。