本文以无模型自适应控制理论为基础,针对多智能体系统协调控制中的三类基本问题,设计了对应的分布式数据驱动控制器。随后,考虑交通流重复性,将无模型自适应迭代学习控制算法进一步应用于多区域城市交通路网中。论文的主要研究内容和创新点总结如下:一、针对一类未知异构非仿射非线性多智能体系统在数据丢包下的一致性问题,提出了基于无模型自适应控制的分布式一致性控制器。首先,利用动态线性化技术,将各跟随者智能体动态转化为紧格式动态线性化数据模型。随后,针对无领导者和有领导者两种情形,分别给出了带数据补偿的无模型自适应一致性控制律。然后,基于夹逼准则,证明了该方法在通信拓扑的联合图满足强联通条件时的稳定性。最后,数值仿真给出了算法在不同丢包率下的控制效果,验证了其有效性。二、针对一类重复运行的未知异构非仿射非线性多智能体系统在迭代变化扰动环境下的编队问题,提出了基于无模型自适应迭代学习控制的分布式编队控制器。首先,紧格式迭代动态线性化数据模型被扩展为一种扰动相关的形式。随后,针对噪声可测和噪声不可测两种情形,分别给出了无模型自适应迭代编队学习律。然后,利用压缩映射,证明了该方法在通信拓扑满足强联通条件时的稳定性。最后,数值仿真给出了算法在不同迭代次数时的控制效果,验证了其有效性。三、针对一类未知异构非仿射非线性多智能体系统的包含控制问题,提出了基于无模型自适应控制的分布式包含控制器。首先,各跟随者智能体动态被转化为紧格式动态线性化数据模型。随后,定义局部包含跟随误差和控制性能指标,并针对静态领导者和动态领导者两种情形,分别给出了无模型自适应包含控制律。然后,利用Lyapunov函数方法,证明了该方法在通信拓扑满足强联通条件时的稳定性。最后,数值仿真验证了算法的有效性。四、针对多区域宏观交通路网这一广义多智能体系统,提出了一种无模型自适应迭代学习边界控制算法。首先,单入单出紧格式迭代动态线性化数据模型被扩展为多入多出形式,用于描述路网在不同迭代次数时的状态变化。随后,以各区域宏观基本图的临界值作为控制目标,设计了一种无模型自适应迭代学习边界控制策略,并根据实际约束对控制输入进行修正。最后,选取了五种典型边界控制算法,与所提方法在多种测试环境下进行对比仿真。结果表明所提方法与其它已有方法相比具有更强的适应性。