近年来,随着计算机科学技术、人工智能技术和网络化控制技术的飞速发展,多智能体系统（Multi-Agent Systems,MASs）已经被广泛应用到智能电网、智慧交通、自动驾驶、传感器网络等多种领域。由于多智能体系统具有自主性、容错性、灵活性和协作性等特点,因此如何在复杂环境中相互协调、共同完成任务则成为实现多智能体协同控制的重要前提。注意到智能体之间是通过网络进行信息交互,网络的存在又会带来全新的问题。考虑到网络时延的存在使得交互的信息不能及时到达,带宽受限使得多智能系统的性能无法保证,以及系统所处于噪声、扰动等不确定性环境所带来的影响,这对多智能体系统的协同控制带来了巨大挑战。具体研究内容概述如下:首先,介绍了多智能体系统协同控制的基础理论,包括图论、李雅普诺夫稳定性、事件触发控制理论等。对于一个连续的同构线性多智能体系统,设计合适的事件触发机制以减少控制更新频率并保证系统一致性。通过一个仿真实例验证了结果的合理性。其次,研究了具有过程、测量噪声和通信时延的随机多智能体系统的事件触发有界一致性控制问题。根据卡尔曼滤波理论,获得每个智能体的最优状态估计,并通过无向网络拓扑将其发送到其相邻智能体。相应地,提出了一种与通信时延有关的事件触发控制器,以有效降低控制器的更新频率。然后,通过线性矩阵不等式（Linear Matrix Inequality,LMI）对反馈增益和触发参数进行协同设计和求解。分别给出了针对固定通信时延和时变通信时延建立均方有界一致性的充分条件。最后,研究了具有网络时延和未知扰动的多智能体系统在带宽分配下的预测云控制问题。首先,设计了基于预测的扩张状态观测器以获得智能体状态和扰动的估计值。为了充分利用通信资源,通过斯坦伯格博弈（Stackelberg Game）方法解决多智能体系统的带宽分配问题,该问题包含云控制器间的非合作博弈和智能体间的演化博弈。然后,提出的预测云控制方案可以积极补偿网络时延和扰动,并分别给出了斯坦伯格博弈的纳什均衡解和多智能体系统的稳定性条件。