如今含有噪声的多智能体系统的一致性吸引了越来越多的注意,除了设计噪声一致性协议让系统达到一致性问题外,还聚焦在网络的拓扑结构与一致性的相互作用。在问题设置背景下,噪声网络的一致性是由网络的拉普拉斯矩阵的特征值所决定。由于网络拓扑结构的复杂性,解析计算矩阵的特征值面临着技术挑战。本文选取一类环树状网络作为研究对象,它的优点是能够解析分析网络的拓扑结构属性对一致性的影响,利用网络规则的拓扑结构,计算得出了一致性的精确表达式,分析了网络的初始状态、权重因子和度不对称性对一致性的作用,着重研究了对称与非对称网络结构对一致性的影响。具体工作如下:第二章研究了具有受控初始状态的加权环树状网络和递归树状网络的一致性计算。利用网络规则的拓扑结构,得到了一阶和二阶网络一致性的精确表达式,并给出了网络一致性关于网络规模的幂律。其次分析了权重因子和网络的初始节点数目对一致性的影响。最后比较了具有相同节点数的环树状网络和递归树状的网络一致性,结果表明环树状网络的一致性要好。第三章研究了非对称环树状网络的一致性的鲁棒性。选取一类环树状网络,通过引入参数来改变网络的非对称拓扑结构,得到了网络一致性关于网络参数的精确表达式,分析了所引入网络参数对网络一致性的影响。研究结果表明非对称网络的一致性要优于对称网络,含有一个中心节点的非对称网络的一致性强于含有两个中心节点的非对称网络,而且两个中心节点的度差异性越大,一致性越好。最后将所得研究结果推广到含有多个中心节点的非对称网络。