大量生物学研究表明,自然界的生命集群往往具有智能预测能力。自然群体中每个个体很可能并不仅仅依靠当前获取的信息作为下一步动作决策的依据,而是根据局部历史信息推测领导者和邻居未来的动态行为,因而具有大幅改善集群性能的潜力。在自然群体、社会群体和工业多个体系统里面均存在两种不同的类型:一类是有领导者类型,另一类是无领导者类型。本文相应设计了两类预测机制,并详细分析和验证了预测机制对集群同步,粘连等特性的改善,以及对通信代价的有效削减作用。因此,针对有领导者群体,本论文利用复杂网络的小世界网络结构特点,基于A/R模型实现了一个新颖的有领导者集群的预测控制策略,在这种控制策略中,通过增加长边个数使延时影响大大降低,从而提高了同步特性(包括速度同步和位置同步),统计物理实验验证了该规律的存在。另外一个有趣的规律是长边的个数与预测步长之间存在博弈关系。当长边个数不够时,可以增加预测步长来补偿;与之相对应的,当网络预测能力不够时,可以增加长边个数来补偿。另一方面,本论文针对无领导者生物集群结构设计了有效的模型预测同步协议—MPC同步协议。具体来说,针对Olfati-Saber和Murray提出的传统的同步策略,通过在传统的网络同步机制中,对每个节点的未来多步的状态进行预测,并利用滚动优化的方法对集群未来整体状态差进行最小化,从而构建了高效的预测控制策略。利用矩阵论的方法证明了预测机制可以极大地提高同步收敛速度并大幅降低采样频率,从而显著降低达到一定收敛速度所需的集群类通信代价。本课题的研究对生物集群动态行为分析具有战略性的意义。从自然科学角度的研究为验证自然界集群预测智能的存在性提供了有利的证据,并揭示出自然机群的通信方式是间隔的而不是连续的。而预测机制对同步性能可能会起到关键性的作用,从而在集群的形成和演化中扮演重要角色。从工程应用分析的角度来看,本论文的理论成果对在多机器人系统,多无人飞行器系统,传感器网络和交通流系统,人际关系网络,网络拥塞控制等实际工程系统也具有相当的推广价值。