近年来,通信传感技术与人工智能技术飞速发展,单个智能体已无法满足复杂的实际需求,多智能体系统（Multi–agent Systems,简称MAS）的协同控制应运而生。编队控制在MAS协同控制中具有丰富的应用场景,其在群体行为机制研究中也存在着巨大的理论挑战,从而迅速成为多智能体协同控制领域的热点问题之一。在实际应用过程中,不同的应用场景和任务形式对应着不同的队形需求。同样,不同的传感能力和通信能力对应不同的编队控制策略。研究适应不同的队形需求或者适应不同传感能力的编队控制问题具有十分重要的意义。拉普拉斯矩阵是研究MAS分布式编队控制的重要数学工具,本文主要基于符号拉普拉斯对MAS进行编队控制研究,其主要研究内容概括为以下几个方面:第一,针对有限时间全局稳定的刚性编队控制问题,首次提出了一种在任意维度内包含任意智能体数量的有限时间（几乎）全局稳定的刚性编队控制框架和控制策略。所提的控制策略能驱动所有智能体形成仿射队形,并证明其具有全局有限时间稳定性。同时,通过选择最少数量的领航智能体,并在领航者满足引导法则的条件下,证明了所有智能体可以有限时间（几乎）全局稳定地形成期望刚性队形。第二,针对有限时间全局稳定的平移编队控制问题,提出了一种在任意维度内包含任意智能体数量的有限时间全局稳定平移编队控制框架和控制策略。所提的控制策略可以在有限时间全局稳定地驱动驱动所有智能体形成仿射队形。同时,选择最少数量的领航者,在满足领航者引导法则的条件下,证明了所有智能体可以有限时间全局稳定地形成期望平移队形。第三,研究基于距离和方位测量混合的非连续事件触发仿射编队控制问题。目前的仿射编队都是基于相对位置信息的,本文首次将仿射编队的测量信息从相对位置信息拓展到距离和方位混合信息,提出了一种基于混合测量定位策略的多智能体非连续事件触发的仿射编队控制方法。本研究给出可定位传感子图的充分条件,研究了一种测量误差消除方案,并引入非连续事件触发机制减轻了系统的通信负担。最后,证明了所有智能体可以渐近收敛到期望队形。最后,研究基于劲度理论协同定位的分布式事件触发仿射编队控制问题。本研究基于劲度理论给出了传感子图可定位的充分条件,将智能体的距离和方位信息重构成需要的相对位置信息,提出了一种具有异步采样和估计计算的分布式事件触发机制,驱动智能体渐近收敛到期望仿射队形。