智能体技术综合了多种学科的发展成果，代表着现代高端技术的发展前沿。近几十年来，智能体系统成为国际机器人学和人工智能领域研究的一个热点，越来越多的被广泛应用到工业、交通运输、服务业、航天和国防等各个领域。然而在日益繁杂的任务环境下，单智能体所能够发挥的效能极为有限，智能体的使用模式由单平台逐步发展为更加灵活的多智能体协调运作，多智能体系统（Multi-agentSystems）应运而生。多智能体系统具有以下特点：任务复杂性、时空分布性、功能分布性、感知分布性和低可靠性。因此多智能体系统的协调控制需要对其实际运行环境中面临的感知、执行、通信以及环境动态变化等非理想情况进行充分考虑与处理。论文从实际角度出发，讨论多智能体协调控制中的三个重要问题：一致性、群集智能和编队控制。本文的主要工作和研究成果如下：1．研究在时滞网络下的多智能体一致性问题。分析由网络时滞产生的错序、掉包等情况。结合多智能体一致性可允许的网络时滞范围，提出一种带缓冲区的多智能体一致性算法。算法通过对接收到的数据按时间戳在缓冲区内排序，使智能体在每个采样周期内都可以获得最优控制输入，提高了系统的容错性，优化了系统一致性性能。2．研究受限信道及噪声环境下的多智能体一致性问题。首先提出一种带有限阶量化器的平均一致性算法。算法采用量化器对智能体间交互信息进行量化处理，从而减小了智能体间信息传输所需要的带宽，使系统可以在窄带宽网络环境下达到状态一致性。其次针对网络通信中存在的噪声，在智能体中嵌入卡尔曼滤波器来消除噪声及干扰，提高了系统一致性精度。3．研究有限时间的一致性算法问题。为了解决多智能体系统的快速一致性，提出一种在有限时间内可以使系统达到一致的算法。算法通过定义符号函数，加快系统收敛速度，文中通过数值仿真验证了算法的有效性。4．研究多智能体系统的群集智能算法，包括单领航者系统群集智能和多领航者系统群集智能。首先将虚拟力势场的概念引入单领航者系统中，通过定义智能体间相互作用力，提出一种计算方便、行之有效的群集算法。其次在多领航者系统群集问题中提出有限近邻的选择策略和次优领航者选择策略，并在选择策略的基础上提出多领航者系统的群集算法。算法使每个跟随者可以跟随距离较近的领航者，跟随相同领航者的智能体相互聚集、协调运作，跟随不同领航者的智能体彼此分离。5．研究多智能体编队控制问题，在编队控制的研究基础上提出一类新问题—“最短编队距离问题”。该问题考虑了智能体在队形改变或队形重组过程中的行程，寻找一类算法使得智能体在编队过程中的路径最优、行程之和最小，从而达到降低整个系统功耗的目的。文中首先进行了问题描述，其次将问题抽象为数学模型，最后在解决问题时提出了三种可行的算法：遍历法、动态规划法以及改进的蚁群算法。所有算法通过数值仿真验证了其在求解该问题过程中的有效性。