智能控制是一门新兴的边缘交叉学科，它的发展得益于人工智能、认知科学、系统科学和生物信息学等许多学科的进步，同时也促进了相关学科的不断完善。智能控制理论的研究和应用是现代控制理论在深度和广度上的极大拓展，已成为新的研究热点。协同现象广泛存在于自然生物系统、人体调节系统和社会经济系统中，在保持生物物种和种群多样性、维持机体内外环境的相对稳定以及调整社会个体和组织的相互关系等方面发挥着重要作用。本文从空间域、时间域、系统与环境的关系等多个角度出发，挖掘和凝练协同现象背后蕴含的丰富信息处理机制，提出新的人工协同计算模型和算法，有力地推动各种新型智能控制方法和关键技术的研究。　　 论文主要在以下几个方面展开了研究工作。　　 借鉴现实世界普遍存在且表现各异的反向概念，提出基于当前最优解的反向差分进化算法，体现在空间域内群体间的协同作用关系。该方法以当前种群的最优解为中心，采用距离对称方式选取各候选解的反向解。在种群进化过程中，特别是进化后期，反向个体始终围绕在全局最优解附近，使得反向种群的利用率保持在较高水平。求解58个标准函数的实验结果表明，新算法能够加快收敛速度，且算法性能的大幅提升完全是基于当前最优解的反向点的贡献。　　 针对多模函数优化问题，提出预测免疫网络模型，体现在时间域上群体间的协同作用关系。该模型通过抗体细胞克隆、变异和选择操作提升算法的局部搜索能力，细胞抑制、提取和更新操作保持种群的全局多样性。抗体细胞和自身的同源抗体细胞相互协作，指明抗体细胞变异的方向，调节局部搜索和全局搜索之间的动态平衡。而且利用记忆细胞和准记忆细胞种群的丰富信息指导抗体种群的提取和更新过程，增加新抗体的亲和度。理论分析表明，算法具有全局收敛性，以及较低的时间和空间复杂度。实验结果表明，在全局收敛性、解的质量和算法稳定性等方面新算法得到令人满意的结果。　　 借鉴生物内分泌系统信息处理机制，提出基于晶格的人工内分泌系统模型，体现群体与环境之间的协同作用关系。基本思想是，在晶格网络这个环境空间内，内分泌细胞群体动态分布和移动，各内分泌细胞仪利用累加激素信息相互通信，协调各自动作，在靶细胞的干预和指导下，完成特定的任务。即使处于一个急剧变化的、不可预测的环境中，该模型通过内分泌细胞之间以及内分泌细胞和外部环境之间的协同配合，也可以形成并维持某种全局模式，体现人体内分泌系统的自组织和自修复特性。这些特性非常适合于在缺乏有效集中控制策略的前提下，群体机器人系统解决在复杂未知环境中搜索和捕获多目标等控制问题。　　 针对群体机器人系统、无线传感器网络等多智能体系统中普遍存在的相对定位问题，提出一种基于矩阵变换的相对定位算法。引入倍增系数的概念，给出构建局部坐标系时节点划分的统一表述。结合齐次坐标的矩阵形式，得到两个相邻的笛卡儿坐标系合并的统一方法，它能够快速准确的合并局部坐标系，并有效避免翻转错误。实验结果表明，该算法能够灵活的控制主节点和从节点的数量以及相互之间的关系，且定位结果较准确，花费时间较少，是一种理想的无线传感器网络相对定位算法。