蜂拥是一种相互影响具有一致目标的多个个体形成的群体现象。这一现象在自然界的生物群体中普遍存在,比如鱼群、鸟群、鹿群等。通过个体的局部感知作用和相应的反应行为形成的蜂拥现象,引起了很多不同领域科学家的关注。随着科学研究的不断发展,蜂拥控制被应用于多智能体系统合作控制中,比如无人驾驶飞行器群的控制、海底自治潜艇群的控制,无人深入地区多机器人的群集控制等。最近,由于蜂拥在移动机器人协调控制和多传感器网络等领域的应用,蜂拥控制算法受到了控制学者的广泛关注和研究。通过分析国内外研究现状,本文重点研究了若干蜂拥控制算法的设计与优化,论文的主要工作如下：首先介绍了课题的背景及其意义,对蜂拥控制算法中的几个典型模型,包括Reynolds模型、Couzin模型、Olfati算法进行了阐述。其次根据Reynolds模型和Couzin模型,研究了基于Couzin模型的多智能体蜂拥控制的模糊算法。基于Couzin模型模糊算法优化后的系统证明满足拉格朗日稳定。仿真结果表明优化后的模型不仅能够保持系统的收敛性,且在改善系统评价参数中的相对大小和聚合率中均起到了优化。然后研究了具有单个虚拟领导者的多智能体蜂拥控制算法。当领导者智能体具有变速度情况时,智能体不能够跟踪上虚拟领导者的速度。本文给出了基于Olfati算法的速度跟踪优化算法,通过引入加速度反馈不仅使系统李雅普诺夫稳定,而且性能有了很大的改进。最后对具有多个虚拟领导者的多智能体蜂拥控制算法进行研究。多智能体蜂拥控制算法中的跟踪问题往往只涉及到具有恒定速度的单个虚拟领导者。本文提出了一个具有多个变速度虚拟领导者的多智能体蜂拥控制算法,该算法可以使所有智能体准确跟踪各自需跟踪的虚拟领导者。当群体中的领导者目标一致时,所有的智能体能够跟踪并形成一个稳定的状态；当目标不一致时,智能体分裂成一些子群体。仿真结果表明经过Olfati算法二的优化,多智能体系统能够根据各自的需要追踪领导者。