多智能体系统在进行分布式协作控制任务时,首要目标是促使系统成员的指定状态值达成一致。Olfati-Saber提出离散时间一致性协议要求智能体在演化过程中与每一个邻居进行通信协作。然而,当大规模多智能体系统依据上述控制协议进行演化时,存在通信冗余与无效的邻域信息会限制系统的收敛一致的能力和系统收敛一致的速度。因此需要为一致性协议设计出合理有效的邻域成员选取策略减少不必要的通信。保持系统通信拓扑的连通性是系统达成一致的必要条件,因此,系统时变拓扑连通性保持算法的研究也尤为重要。本文研究内容与成果如下:本文研究了离散时间下基于无向切换拓扑多智能体系统一致性问题,对OlfatiSaber提出的控制协议进行优化,提出一个基于邻域成员选取的一致性协议框架。该协议中每个智能体仅需选取部分邻居的状态信息参与到自身状态值的更新计算。基于该协议提出了三类简单选取策略:最近邻选取策略、最少共同邻居选取策略、虚拟邻居选取策略,充分体现移动智能体人工智能,审时度势的特点。基于最近邻选取策略一致性协议中,智能体通信扇区机制在每个扇形通信区域中主动选取一个状态差值最小的邻居。接着,对最近邻选取策略进行了优化,采用分布式算法使得系统所有成员在达到全连通状态时,同步切换到邻域全选策略。最少共同邻居选取策略中,智能体在邻域成员中主动选取一个与其公共邻居数量最少的邻居。然后,从公共Lyapunov函数理论出发,对采用基于邻域选取策略一致性协议进行演化的系统的稳定性进行分析,得出影响系统收敛一致的调整因子合理取值范围。最后,通过观察大量仿真实例总结获得增强系统收敛一致的必要条件。新提出的一致性协议可增强系统一致性。同时,由于系统无需额外的控制算法保持连通,降低了系统能量消耗,系统演化过程中数据存储量和计算量也显著降低。基于约束集虚拟邻居选取一致性协议中,智能体采用通信扇区机制构造出虚拟邻居作为控制协议输入进行状态演化。在此基础上,智能体通过约束集保持初始通信拓扑的连接边来保证系统的连通性。通过理论分析与大量仿真实例结合,与经典模型进行比较,验证了新的一致性协议的有效性,增强离散系统的一致性,减少系统收敛的簇的数量,并提高系统收敛到一致的速度。