近年来，随着移动无线传感器网络及多智能体系统的广泛应用，协同控制问题已经受到了越来越多科研究人员的关注。多智能体系统协同控制问题就是为每个智能体设计一种简单的规行为规则，仅仅利用局部信息，来达到整个系统基于目标或则任务的一致，即所有Agent均达到相同的状态。协同控制作为多智能体系统的核心问题，已经成为相关领域研究的热点。伴随着无线移动传感器网络在环境监测和环境探查中应用的普及。迫切需要研究适用在无线移动传感器网络中的多智能体系统分布式学习算法和协同控制策略。本文研究了应用在无线传感器网络中相关学习算法和协同控制算法，考虑到梯度场环境的特点，改进了智能体之间的协同控制策略，提出了适合在梯度场中的多智能体协同控制算法。本文的工作主要包括以下几个方面：一，在现有的理论基础之上，讨论了适合在梯度场环境中的多智能体分布式学习算法。利用卡尔曼滤波预测对传感器节点的测量值（含噪声）进行分布式估计；二，设计了一种适用在梯度场中的协同控制策略。在已有的多智能体协同控制规则之上引入决策变量。并用仿真证明了其能更快趋于一致；三，提出将考虑决策变量的协同规则应用在基于预测的多智能体协同控制中；最后提出梯度场空间中多智能体协同控制的模型，并给出了仿真实验。本文通过对多智能体系统协同控制问题的研究，提出可以运用在梯度场空间寻找峰值的分布式学习方法NMDLA和协同控制策略BODVSR，运用NMDLA和BODVSR设计MAS-CCBOGFM模型。