近年来,因多智能体系统的应用十分广泛,从而吸引了大量的科研工作者对其进行深入的研究。从控制理论角度对多智能体系统进行分析和研究正成为国内外的研究热点,主要是通过对控制律进行设计,从而达到相应的控制性能要求。研究的内容主要包括多智能体系统的协同控制、分散控制及编队控制等,其中协同控制问题得到了不同领域科研工作者的广泛关注。一致性是多智能体系统进行协作的前提和基础,它对进一步研究多智能体系统的协同控制等问题起着极其重要的作用。模型预测控制近年来被广泛用于多智能体系统协同行为机制和有效控制的研究,主要是因为其具有加快多智能体系统收敛速度、处理多变量约束条件以及扩大有效采样周期的取值范围等优势。本文重点研究了基于预测控制的多智能体系统一致性问题,包括对于一阶模型和二阶模型两方面内容。针对无向拓扑下一阶多智能体系统,首先研究基于引入状态观测器的一种迭代预测控制的方法加快系统的收敛速度。并在理论上给与证明。然后,分别研究采用集中式和分散式事件驱动函数,预测方法的引入对于多智能体系统事件触发频率的增加。为了减弱预测方法对于事件触发频率的影响,针对性的对于事件驱动函数进行优化改进。通过构造李雅谱诺夫(Lyapunov)函数,给出了保证系统实现平均一致性或者有界范围一致性的充分条件。通过数值仿真,证实了控制协议的合理性和驱动函数的有效性。