多智能体系统在智能交通、智能电网、航空航天、机器人、无线传感网络等领域具有广泛的应用。协同控制使得智能体状态在集体层面上实现趋同，进而完成单个智能体无法完成的任务。本文结合国内外多智能体系统协同控制最新成果，研究了敌对与协作信息下多智能体系统的协同控制问题，并将其拓展到基于多智能体系统框架的社交网络舆论动力学和隐私保护问题。本文的主要工作总结如下：
　　首先，提出了敌对信息下一阶多智能体系统的协同控制算法。控制协议中的松弛参数表征智能体间交互信息敌对与否，而加权增益保证了系统的收敛性。从理论上证明了加权增益的存在性，给出了系统矩阵特征值位于单位圆内且1特征值重数为1的判据。通过线性变换避免全局信息的使用，建立误差系统与原系统的关系，给出系统协同控制的条件。在上述工作的基础上，研究了领导者-跟随者和时变拓扑下具有敌对信息的协同控制问题，详细分析和探讨了所提算法和Altafini模型之间的关系。
　　其次，研究速度和通信受限下二阶多智能体系统的协同控制问题。针对一般有向图，证明了协同控制与系统的拓扑结构和加权系数相关。为进一步降低通信负担，设计了基于事件触发和基于量化的事件触发机制下二阶多智能体系统协同控制协议。为避免全局信息，接着研究了基于节点和边的协同控制问题，给出相应的判定条件，推广了固定通信拓扑下二阶多智能体系统协同控制的结论。
　　针对二阶多智能体系统，研究其敌对信息下的协同控制问题。由于速度和位置对应的松弛变量通常不具有相关性，与一阶系统和协作信息交互下二阶系统相比，敌对信息下二阶多智能体系统协同控制问题更具挑战性。证明了加权增益的存在性，给出系统矩阵有且仅有两个零特征值且非零特征值具有负实部的判据。讨论了两种特殊情形下敌对二阶多智能体系统的协同控制问题，建立了相应的协同控制判据。
　　针对一般线性多智能体系统，研究敌对信息下的协同控制问题，给出系统协同控制判据以及智能体最终收敛值。对于智能体状态不能直接获得的情况，基于输出信息，设计了分布式观测器，保证智能体实现协同的同时观测误差收敛到零；分析了系统的协同控制区域。考虑输入饱和与敌对信息共同作用下一般线性多智能体系统的半全局协同控制问题，利用低增益反馈给出相应的判据。
　　随后，拓展敌对信息下多智能体系统框架，研究基于多智能体系统的社交网络舆论动力学。引入评估网络刻画个体对邻居个体观念的认知取向，即敌对或信任；利用交互网络表征个体间的交互机理。研究表明协作的评估网络导致观念一致性，而敌对的评估网络则形成观念群分。详细分析了协作、敌对评估网络和观念一致性之间的关系。利用随机凸优化方法，给出先验约束下估计评估网络所需的采样下界。将上述结果推广到多问题关联约束的情形，给出观念一致性、群分和稳定的判据。
　　最后研究多智能体系统的隐私保护问题。基于最小能观子空间，证明加入适当的噪声可以实现智能体初始值的隐私保护。提出基于节点的隐私保护机制，指出只要给超过半数的节点加入噪声即可实现系统隐私保护。进一步给出基于边的隐私保护机制，证明在这种情况下即使少于半数的节点引入噪声，也能实现隐私保护，这在一定程度上揭示了系统隐私保护水平和复杂度之间的折中。