在多智能体系统领域中,一般基于相邻智能体间局部信息交互的方式来实现系统一致性。然而这种信息交互的过程容易受到恶意攻击的影响,从而导致一致性算法收敛的性能下降或出现严重错误。最新的研究成果表明,具有鲁棒性的多智能体网络是系统能够在网络攻击下实现一致性的重要保障。但目前基于鲁棒性的多智能体系统一致性问题的研究侧重于控制协议、控制律和动力学模型设计等方面,而有关鲁棒性的构造和判定方面的研究还处于理论阶段,特别是针对移动多智能体系统的研究。因此,本文针对移动多智能体系统的鲁棒性构造、判定方法及其相应的安全一致性算法展开了深入的研究。首先,针对网络攻击下智能体运动轨迹受限的移动多智能体系统安全一致性问题,给出一种新的基于周期性集群控制策略的移动多智能体系统的鲁棒性构造方法,以及相应的周期性的安全平均一致性算法。该方法通过让多组智能体按一定的控制策略做周期性地聚集和分散运动这一方式,以构造具有鲁棒性的网络。结合图论知识,证明了在该方法下移动多智能体系统能够实现（T,r）-强鲁棒性。其次,针对网络攻击下智能体可自由运动的移动多智能体系统安全一致性问题,给出一种新的基于领导-跟随控制策略的移动多智能体系统的鲁棒性构造方法,以及相应的实时的安全主从一致性算法。该方法通过让跟随者智能体在受信任且已具有鲁棒性的领导者网络中作业这一方式,以构造具有鲁棒性的跟随者网络。结合图论知识,证明了在该方法下移动多智能体系统能够实现关于集合S的r-强鲁棒性。最后,针对精确判定任意多智能体系统鲁棒性的大小是NP难的这一问题,给出一种新的基于卷积神经网络的强鲁棒性判定方法。该方法利用卷积神经网络从预处理后的数据样本中学习特征,从而实现对系统强鲁棒性大小的判定。实验结果表明,该模型能够在有限时间内对多智能体网络样本的强鲁棒性近似判定,且效果较好。综上所述,本文考虑不同环境下多智能体系统鲁棒性的构造和判定问题,设计出不同的且能在有限时间内实现的鲁棒性构造和判定方法,并给出了详细的证明过程和实验数据。因此,本文所提的方法是具有一定理论价值的。