近年来,多智能体分布式协作问题已经受到了来自很多学科(包括生物学,物理学,计算机科学和控制工程)的研究人员的关注。这主要是因为它在很多方面都有广泛应用。一致性问题作为多智能体系统分布式协作控制的基础,成为控制学界的一个研究热点。在多智能体系统中,“一致”是指智能体系统中所关心的信息状态达到相同,“一致性算法”是该信息状态达到相同的算法。本文主要关注带有领导者的多智能体系统中的一致性问题,文中将简写为领导者跟随一致性问题。根据领导者的不同性质,领导者跟随一致性问题可分为两类:带真实领导者的跟随一致性问题和带虚拟领导者的跟随一致性问题。本文的主要内容和研究成果总结如下:1.平衡图中的领导者跟随一致性问题研究。在该问题中,多智能体系统的信息交互是平衡有向的。而且,领导者的速度是时变的,不可测的。针对这样的分布式跟踪问题,我们首次提出了基于协作变量的控制策略,并提出了全新的研究角度:即从群体行为角度考虑分布式跟踪性能。为此,我们通过引入一种新的分解方法,将所得的闭环系统分解为两个子系统:中心跟踪误差动力学和聚合动力学。接着,我们发现分布式跟踪问题中的聚合与群集行为中的一样重要,并引入一个衡量聚合性的新指标。最后,我们证明了所提出的控制策略不仅能估计出多智能系统中的跟踪误差,而且也能通过独立地增大聚合增益来提高系统的聚合性能。2.带变速领导者和时变时滞通信的领导者跟随一致性问题研究。由于领导者的速度不可测,文献中的降阶Lyapunov-Krosovskii泛函方法不再适用于我们所研究的情况。我们考虑如下两种情况:用于表示领导者与跟踪者之间连通性的领导者邻接矩阵是时不变的和时变的。对于第一种情况,我们采用前节所用分解方法,将群体跟踪动力学分解成两个子系统。然后利用Lyapunov-Krosovskii泛函,得到了跟踪误差达到一致最终有界的充分条件,并且发现聚合增益能增大时滞上界;而对于第二种情况,我们直接利用Lyapunov-Krosovskii泛函得到了跟踪误差达到一致最终有界的充分条件。3.带输入饱和的领导者跟随一致性问题研究。在该问题中,领导者和跟踪者的输入都是有限的并且都在一个有限区域中运动。我们为每个跟踪者设计了一个基于邻域信息的饱和控制律,并且给出了该控制律能使跟踪者跟踪上领导者的充分条件。4.带多时滞和外部干扰的领导者跟随一致性问题研究。在该问题中,所有智能体具有二阶积分器型的动力学,并且考虑网络拓扑是固定和切换两种情况。首先,我们提出了一种分布式一致性算法。再使用Lyapunov-Krasovskii泛函和鲁棒性能分析,得到了所有跟随个体以期望的H∞性能跟踪上一个变速领导者的充分条件,即达到了H∞一致。5.带耦合时滞和测量噪声的领导者跟随一致性问题研究。在该问题中,所有智能体具有二阶积分器型的动力学,并且假设多智能体系统中所有噪声是相互独立的。首先,我们提出了带测量噪声的一致性算法。再采用伊藤随机微分时滞系统分析方法,给出了达到均方意义下的二阶一致的充分条件。