近年来,网络化群体系统的分布式协调控制问题受到了不同领域研究人员的关注.多智能体蜂拥行为作为群体现象的一种,不仅可以描述和解释大多数生物群体的协调行为和自组织现象,而且在多机器人系统、多无人机系统、无线移动传感器网络等工程领域具有广阔的应用前景.因此,研究多智能体系统蜂拥控制具有重要理论意义与应用价值.论文对该课题进行了深入研究,主要工作有以下几个方面：1.研究了保持网络拓扑结构连通性的多智能体蜂拥控制问题.提出对虚拟领导者施加反馈控制策略,达到防止群体发生分裂的目的,理论分析和计算机仿真表明了所提方法的有效性；此外,研究了多智能体系统在干扰条件下的蜂拥控制,根据代数图论理论和(Lyapunov方法证明了在初始网络拓扑结构连通的条件下,所给控制方法能够在干扰下保持网络连通性并使多智能体系统形成稳定的蜂拥运动.2.探讨了存在静止和移动障碍物的情况下,多智能体蜂拥与避障控制问题.采用碰撞预判算法结合人工排斥力函数的避障方法,提出具有避障能力的蜂拥控制策略,分析了系统的稳定性,获得多智能体系统避免碰撞的充分条件.3.研究了具有固定时滞的多智能体蜂拥控制稳定性问题,基于Razumikhin定理给出系统稳定性判据,得到控制输入参数设定条件以及时滞的上界；其次,针对网络拓扑结构存在切换的群体系统,分析了具有多重变时滞的蜂拥控制稳定性问题,利用Lyapunov方法得到系统稳定性充分条件.4.利用卡尔曼一致性滤波算法和保持网络连通性蜂拥控制策略,探讨了移动传感器网络对单个移动目标的跟踪问题,提出利用传感器网络中部分节点对目标状态进行卡尔曼一致性滤波的方法,引导网络以蜂拥运行方式跟踪目标,同时保持网络的连通性为节点之间进行滤波信息交换提供保障;其次研究了移动目标数量大于传感器节点的问题,提出基于Fisher信息矩阵概念构造虚拟领导者,引导移动节点向着获取更多目标信息的位置移动的方法,实现对多移动目标的最大覆盖,仿真结果验证了所提控制策略的有效性.