在过去十几年中,由于多智能体在实际工程中被广泛的应用,因此受到学者的关注。趋同控制问题的是如何设计分布式控制器,使得所有多智能体达到同一个目标。趋同控制问题作为多智能体系统研究中的一个基础问题,吸引了大量学者的关注。在早期有关多智能体趋同工作中,每个智能体控制器设计都依赖于自身和邻居之间相对状态的准确信息。然而,在实际智能体之间通信过程中,由于通信约束的存在,对于每个智能体来说,是很难获取邻居的状态信息的准确值。因此,这样的控制器在实际工程中很难被实现。而智能体间实际通信过程大致可以分为以下三步进行:1)发送端将自身的状态信息编译成一串二进制编码;2)此串二进制编码通过信道被传输至接收端;3)接收端根据接受到的二进制编码翻译并估计出发送端的状态信息。在上述的通信过程中可以看出,量化作为通信约束的一种,在实际工程中是不能被忽略。这篇我们主要考虑了多智能体系统的量化趋同控制。该论文主要结果总结如下:首先,我们考虑了在有限带宽下,连续时间的多智能体系统趋同问题。我们分别设计了基于周期性采样和基于事件触发下采样的方法设计两种不同分布式控制器来解决该问题。首先通过构造一个新型的动态量化器,我们设计了基于采样和量化后的的分布式算法解决了这个问题。与以往工作相比,我们考虑更一般的动力学系统下多智能体系统:一般线性多智能体系统。通过结合均匀量化器以及对数量化器,我们提出了一种全新的量化器,并且可以证明出,即使多智能体系统中的智能体数量非常庞大,这个新型量化器的量化层数也可以维持在很小的数值。同时我们基于事件触发采样,设计相应分布式算法被提出去解决量化趋同控制问题。相比于周期性采样方式,我们所提出的基于事件触发采样方式能够有效减少通信次数,进而节约通信资源。可以证明改基于事件触发的分布式算法可以保证多智能体系统的渐近趋同。同时一方面在实际采样过程中,我们有效的避免了芝诺现象,另一方面,我们不需要每个智能体对邻居进行连续的检测。其次,我们考虑了有向图下的一般线性多智能体系统的量化趋同问题。我们分别考虑了连续多智能体系统和连续多智能体系统的量化趋同控制。首先我们按照智能体间通信拓扑图连接方式,对所有的智能体进行优先级的标号排列,进而设计了一种新颖分布式控制器所提出的控制算法有两个明显的优点。一方面,控制算法的完全分布式意味着算法不需要依赖于拓扑图拉普拉斯矩阵特征根的信息。另一方面,数据率的大小与智能体的数目无关,这意味着该控制器可以用来解决大规模多智能体系统的量化趋同控制问题。同时我们考虑了有限带宽下,连续的具有领导者的多智能体系统的趋同控制问题。与以往工作相比,一方面我们所研究的通信拓扑图不需要平衡图或者强连通图,另一方面该分布式控制器不需要有关状态初始值的的半全局的假设。因此该分布式控制器是完全分布式的,不需要任何的全局信息。最后,我们考虑了切换图下的多智能体系统的协同输出调节控制问题。我们设计了相应的基于量化以及采样的数据的分布式控制器来解决改问题。与以往的有关多智能体量化控制的工作不同,我们一方面不需要有关初始状态的半全局假设,另一方面,通信拓扑图只需要是联合联通。