传统多智能体系统一致性问题的相关工作主要集中在系统模型设计和稳定性条件获取上,很少涉及系统控制的最优性。而在实际工程中,如何使系统以最小的代价来完成某一任务目标也是非常重要的。目前,大部分最优控制相关的工作仅基于智能体之间的合作交互,且需要精确的系统模型,这就极大的限制了其理论成果在实际环境中的应用范围。此外,这些相关工作难以处理多目标或者并行分布式任务,并且其采用的时间触发模式会占用大量的系统资源。因此,本文基于事件触发机制对二阶离散多智能体系统的最优一致性问题展开研究,主要内容如下:（1）研究了一类领导者-跟随者模型的二阶离散多智能体系统的最优一致性控制问题。针对系统矩阵未知的多智能体系统,首先使用贝尔曼最优原理建立了最优一致性控制的框架,随后设计了包含智能体之间合作-竞争交互的跟踪误差协议,将系统中的智能体划分到不同的子网,最后通过基于演员-批评家神经网络的无模型策略迭代算法拟合智能体的最优控制策略,实现了多智能体系统的最优分组一致性。此外,为了节省一致性过程中的资源消耗,提出了包含过滤函数的事件触发机制,极大地减少了智能体控制策略更新的次数。（2）研究了合作-竞争网络中基于动态事件触发机制的多智能体系统最优分组一致性。为了降低系统资源的消耗以及进一步改善过度触发问题,在事件触发机制中引入了外部动态阈值函数,并分析了在所提出的动态事件触发框架下一致性误差系统的稳定性。针对实际工程项目中难以获取系统精确模型的情况,提出了基于神经网络的无模型策略迭代算法来拟合智能体的最优控制策略,并推导出演员-批评家神经网络的近似误差是一致最终有界的。（3）使用Java开发语言,基于无人机编队控制的模型,设计并实现了事件触发机制下多智能体系统协同控制仿真系统,动态地展示了多智能体系统在所提出的算法下实现最优分组一致性的过程。