最近几年,多智能体系统的分布式协同控制受到越来越多研究者的关注,这不仅是因为它可以揭示自然界中许多复杂系统的涌现性质,更重要的是它有着广泛的工程应用背景。在多智能体系统的分布式协同控制当中,一个关键的问题是多智能体系统的一致性。为了实现一致,智能体之间需要进行局部的信息交换。由于实际的多智能体系统处在各种复杂的网络环境当中,智能体本身可能因遭受外部攻击而导致局部的信息交换中断,智能体之间的局部信息交换也因信息的传输和接收而伴有通信时滞和测量噪声。无论是外部攻击、通信时滞还是测量噪声,都可能破坏一致性的实现。因此有必要从分析的角度研究它们对一致性的影响,进而从综合的角度寻找减小这些影响的措施。本文从综合的层面研究了如何减小外部攻击、通信时滞和测量噪声对一致性的影响来提高多智能体系统的鲁棒性,取得了以下创新成果:从复杂网络的角度研究了大规模多智能体网络在外部攻击下的相继故障问题,使用平均二步度来度量网络的异质性,给出了无标度网络在随机故障下鲁棒性的优化设计问题。相对于已有的网络拓扑异质性量度—熵,平均二步度不仅可以描述网络的局部度分布特征而且包含了网络的整体拓扑信息;研究了多智能体网络在外部攻击发生后连通性的恢复问题,提出了连接邻居集策略来恢复通信拓扑的连通性,分析了连接邻居集策略对网络抵抗外部攻击的鲁棒性和实现一致的收敛速度的影响,给出了相应的网络优化设计问题。相对于已有结果,我们主要是从综合的角度来研究如何恢复网络的连通性。通过在传统的时滞一致性协议当中引入时滞状态导数反馈和加权平均预测两种机制,部分解决了无向通信拓扑下一阶时滞多智能体系和有向通信拓扑下二阶时滞多智能体系统中存在的时滞鲁棒性与快速收敛性之间的矛盾。理论结果表明:对于一阶超临界时滞多智能体系统和两类二阶时滞多智能体系统,引入恰当强度的时滞状态导数反馈和恰当长度的加权平均预测均可以同时提高时滞鲁棒性和收敛速度。研究了测量噪声存在下时变参考状态的一致性跟踪的采样控制问题。针对采样时滞存在的情况,使用概率极限理论、代数图理论以及一些其它技术,获得了确保一阶和二阶多智能体系统实现均方有界一致性跟踪的充分和（或）必要条件。针对通信时滞存在的情况,使用时滞分解技术、增广矩阵方法以及一些其它技术,也获得了确保一阶和二阶多智能体系统实现均方有界一致性跟踪的充分和（或）必要条件。