多智能体系统的协同控制理论由于在群集无人系统编队控制、智能电网控制与优化、智能交通系统、工业互联网等领域有着重要的应用,在过去的二十多年中得到了非常广泛而深入的研究,取得了大量的理论与应用成果。多智能体系统一般在地理上分布广泛并通过有线/无线网络连接,是一个开放式的广域系统。因此,其很容易遭受各类攻击。当系统中的某些个体遭遇外部的攻击时,其可能不再受之前设定的算法的控制,甚至向其它的个体发送错误的信息,进而破坏多智能体系统的协同。显然,之前建立的无攻击环境下的多智能体系统协同控制理论就不再适用。因此,有必要研究攻击环境下的协同控制理论,提高多智能体系统对攻击的韧性能力。本文以韧性一致为出发点展开较为详细的研究,并以韧性一致为基础研究了多智能体系统的拜占庭韧性优化问题。主要研究内容包括:针对含有未知数量恶意智能体的连续时间一阶多智能体系统,考虑其在切换拓扑下的韧性一致问题。通过引入可信智能体,提出了一种基于可信区域的韧性一致算法。相较于传统的Mean-Subsequence-Reduced（MSR）方法,该算法摆脱了对恶意智能体数量的上界的依赖。在所提出的切换拓扑假设下,成功地证明了受控一阶多智能体系统能够达成韧性一致。仿真实验验证了所提出的算法的有效性和结果的正确性。针对含有可信智能体和恶意智能体的连续时间二阶多智能体系统,建立了其达成韧性一致的关于通信拓扑的充分必要条件。在系统中恶意智能体的数量是未知的情形下,提出了针对连续时间二阶多智能体系统的韧性一致算法。在合适的控制增益和采样周期下,证明了韧性一致的达成当且仅当可信智能体诱导的子图是整个通信拓扑的一条有向生成树支配子图。最后,仿真验证了所得结果的正确性,并说明了设计的算法比传统的基于MSR方法的韧性一致算法收敛速度更快,且更不易受恶意智能体数量的影响。针对含有时变通信时滞的连续时间二阶多智能体系统,提出了基于脉冲控制的韧性一致算法。相较于一般的控制方法,脉冲控制不仅可以节省能量,而且可以使得系统中的正常智能体在每个采样区间内保持匀速运动。因此,正常智能体位置状态的最大最小值只会出现在采样时刻,进而可以给出精确的安全区间。仿真结果验证了提出的基于脉冲控制的韧性一致算法的有效性。针对拜占庭攻击下的多智能体韧性分布式优化问题,研究其在成本函数冗余条件下的优化方案。在全局成本函数强凸和梯度利普希茨连续的一般假设下,提出了基于MSR方法的分布式比较梯度滤除（MSR-based Distributed Comparative Gradient Elimination,MSR-DCGE）韧性优化算法。在该算法下,当每个正常智能体的内邻居数量大于某一常值且参数满足一定的条件时,正常智能体对全局变量的局部估计会达成一致且渐近收敛于正常智能体成本函数之和的最优解。值得注意的是,相较于之前关于拜占庭韧性优化的工作,本文并不要求通信拓扑是全连通的。最后,数值仿真成功地验证了理论结果的正确性,表明了提出的MSR-DCGE韧性优化算法可以解决非全连通拓扑下的拜占庭韧性多智能体优化问题。